【人体解析】开箱即用的《self-correction-human-parsing》、获得语义标签

最新推荐文章于 2024-04-11 09:34:47 发布
最新推荐文章于 2024-04-11 09:34:47 发布
阅读量3.5k 收藏 12
点赞数 1
分类专栏： # 图像分割 计算机视觉相关 开箱即用 文章标签： 计算机视觉 开箱即用 语义分割 人体解析 human-parse
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/imwaters/article/details/122231079
版权

【人体解析】开箱即用的《self-correction-human-parsing》、获得语义标签

概述

  • 本文主要介绍 人体解析（human parse）预模型的推理使用，
  • 笔者调研了很多模型，大多配置复杂，只能对特定数据集使用，
    • 而Self-Correction-Human_Parsing 项目 能够开箱即用
  • 对单张图片进行推理使用，得到语义割图图
    • 稍微修改代码，可以同时获得RGB与灰度语义分割图
    • 灰度语义分割图 为训练用的label，8位单通道图像（灰度值为：0,1,2,3…n_class)。

论文中效果

  • 第一行为输入，第二行为实际标签，第三行为lip 20类预训练模型推理结果
    • pretrain_infer-lip-visualization

具体类别

  • body_parse=['Background', 'Hat', 'Hair', 'Glove', 'Sunglasses', 'Upper-clothes', 'Dress', 'Coat',
            'Socks', 'Pants', 'Jumpsuits', 'Scarf', 'Skirt', 'Face', 'Left-arm',
            'Right-arm', 'Left-leg', 'Right-leg', 'Left-shoe', 'Right-shoe']

本博客图文资料

曾小蛙
关注
专栏目录
Human Parsing人体解析多篇论文简读
carlous0的专栏
10-11 1935
Macro-Micro Adversarial Network for Human Parsing（ECCV2018） 摘要：在人体解析中，pixel-wise分类loss在低级局部不一致和高级语义不一致上有不足。引入带有一个判别器的生成式网络来解决这两个不一致。但是，这两种不一致是由不同机制产生的，所以一个判别器不能解决两个不一致。所以提出Macro-Micro对抗网络，俩判别器。同时...
我来说话你来查，智能代码新技术！语义解析专场干货
AITIME_HY的博客
10-16 567
点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入！一直以来是，语义解析(Semantic Parsing) 都是自然语言处理领域一个非常基础且重要的研究问题。通俗来讲，语义解析旨在...
humanparsing自然场景人体语义分割
Anymake的专栏
12-25 5261
humanparsing自然场景人体语义分割+颜色识别
Self-Correction-Human-Parsing:开箱即用的人类解析表示提取器
05-13
人工解析的自我校正 开箱即用的人类解析表示提取器。 在第三项LIP挑战中，我们的解决方案在所有人工解析轨道（包括单个，多个和视频）中排名第一！ 特征： 开箱即用的人类解析提取器，可用于其他下游应用程序。 在三个流行的单人人类解析数据集上进行预训练的模型。 训练和伪造的代码。 对多人和视频人的解析任务的简单而有效的扩展。 要求 conda env create -f environment.yaml conda activate schp pip install -r requirements.txt 简单的开箱即用提取器 最简单的入门方法是在您自己的图像上使用我们训练有素的SCHP模型来提取人工解析表示形式。 在这里，我们在三个流行的数据集上提供了最新的。 这三个数据集具有不同的标签系统，您可以选择最适合自己任务的数据集。 LIP（ ） 进行LIP验证的费用：59.36
【语义分割】Self-Correction for Human Parsing
筱
12-15 1350
The ambiguous boundary between different semantic parts and those categories with similar appearance usually are confusing, leading to unexpected noises in ground truth masks. To tackle the problem of learning with label noises, this work introduces a puri
自我修正人体解析（Self-Correction Human Parsing）: 创新AI技术，开启智能图像处理新篇章
最新发布
gitblog_00081的博客
04-11 414
自我修正人体解析（Self-Correction Human Parsing）: 创新AI技术，开启智能图像处理新篇章 项目地址:https://gitcode.com/PeikeLi/Self-Correction-Human-Parsing 在人工智能领域，图像解析一直是热门研究方向，尤其是在深度学习技术的推动下，人体解析（Human Parsing）已经取得了显著进步。今天，我们为您推荐一个...
自我修正人体解析（Self-Correction Human Parsing）：智能图像处理的新里程碑
gitblog_00053的博客
04-11 464
自我修正人体解析（Self-Correction Human Parsing）：智能图像处理的新里程碑 项目地址:https://gitcode.com/GoGoDuck912/Self-Correction-Human-Parsing 在计算机视觉领域，人体解析是一个至关重要的任务，它涉及到从图像中识别和理解人体部位、动作及服装等信息。Self-Correction Human Parsing ...
（八：2020.08.27）CVPR 2020 追踪之论文纲要（译）
Jojo论文基地
08-27 1万+
CVPR 2019 追踪之论文纲要（修正于2020.08.27）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这1400篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 Respect！ 论文目录 论文 概要 12-in-1 - Multi-Task Vision and Language Repre
（九：2020.08.27）CVPR 2019 追踪之论文纲要（译）
Jojo论文基地
08-28 8801
CVPR 2019 追踪之论文纲要（修正于2020.08.28）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这900篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 下面皆为机器翻译，我会慢慢修正，但现在请结合。有兴趣的可以问我要处理这些论文并自动翻译的脚本。 Respect！ 论文目录 论文 概要
（十：2020.08.28）CVPR 2018 追踪之论文纲要（译）
Jojo论文基地
08-28 7217
CVPR 2018 追踪之论文纲要（修正于2020.08.28）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这979篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 下面皆为机器翻译以方便我第一次筛选，我会慢慢修正，但现在请结合。有兴趣的可以问我要处理这些论文并自动翻译的脚本。 Respect！ 论文目录
整理的一些human parsing数据集
03-18
数据集包括：ATR(human parsing)、LIP(Looking into Person)、Multi-human-parsing数据集。基本山涵盖了所有国际公开的human parsing数据集！
Human Parsing with Contextualized Convolutional Neural Network
04-17
ICCV2015年的论文《Human Parsing with Contextualized Convolutional Neural Network》的PPT（我制作的）和相关文献。
humanparser：将人名字符串解析为称呼，名字，中间名，姓氏，后缀
02-02
人解析器 将人名字符串解析为称呼，名字，中间名，姓氏，后缀。 安装 npm install humanparser 用法 const human = require('humanparser'); 解析人名 const fullName = 'Mr. William R. Hearst, III'; const attrs = human.parseName(fullName); console.log(attrs); //produces the following output { salutation: 'Mr.', firstName: 'William', suffix: 'III', lastName: 'Hearst', middleName: 'R.', fullName: 'Mr. William R. Hearst, III' } 获取字符串中的全名 const name = 'John & Peggy Sue'; const fullName = human.getFullestName(name); //pro
Python-SegNet人体解析
08-11
SegNet人体解析
humanparser:R包将全（人）名分解为组成部分
05-15
用 humanparser是一个非常小的程序包，它将全（人类）名称解析为它们的组成部分。 使用来自node.js 模块的代码。 实现了以下功能： parse_name ：将“人类”名称解析为组件 parse_names ：将名称的字符向量解析为数据帧 消息 版本0.0.1.999已发布-测试 版本0.0.0.999已发布 安装 devtools :: install_github( " hrbrmstr/humanparser " ) 用法 library( humanparser ) # current verison packageVersion( " humanparser " ) # > [1] '0.0.1.9000' # just one parse_name( " John Smith Jr. " ) # > $firstName # > [1] "John" # >
CVPR2019（二）
mtxxxx的blog
07-10 3239
51. Learning Pyramid-Context Encoder Network for High-Quality Image Inpainting 目标：从一个损坏的图像恢复损失的区域 应用：老照片恢复，脸部编辑，目标移除，基于图像的渲染等 挑战： 对于高质量的图像修复，视觉和语义可靠性的要求较高 由于缺乏对图像语义的高级理解，基于示例的方法在语义填充方面容易失败 最近基于cnn的...
人体解析（Human Parse）开源数据集整理
持续关注并分享目标检测、数据生成、视频驱动、跨模态、分割、关键点等领域前沿技术
08-07 5033
Human Parse开源数据集整理
人体解析
qq_27467037的博客
11-18 900
Self Correction for Human Parsing https://github.com/PeikeLi/Self-Correction-Human-Parsing
人体解析数据集（human parsing）及近期论文
热门推荐
wxf19940618的博客
11-02 2万+
人体解析-human parsing 研究目标与意义 人体解析是指将在图像中捕获的人分割成多个语义上一致的区域，例如， 身体部位和衣物。作为一种细粒度的语义分割任务，它比仅是寻找人体轮廓的人物分割更具挑战性。 人体解析对于以人为中心的分析非常重要，并且具有许多工业上的应用，例如，虚拟现实，视频监控和人类行为分析等等。 数据集 数据集 人数/张 ...
shading-correction matlab代码
06-07
以下是一个简单的 Matlab 代码示例，用于阴影校正： ```matlab % 读取图像 img = imread('example.jpg'); % 将图像转换为灰度图像 gray_img = rgb2gray(img); % 计算灰度图像的平均值和标准差 mean_val = mean(gray_img(:)); std_val = std(double(gray_img(:))); % 对每个像素进行阴影校正 corr_img = (double(gray_img) - mean_val) / std_val * 64 + 128; corr_img(corr_img<0) = 0; corr_img(corr_img>255) = 255; % 显示原始图像和校正后的图像 subplot(1,2,1), imshow(gray_img), title('Original Image'); subplot(1,2,2), imshow(uint8(corr_img)), title('Shading-Corrected Image'); ``` 在上述代码中，我们首先读取一个彩色图像，并将其转换为灰度图像。然后，我们计算灰度图像的平均值和标准差，并对每个像素进行阴影校正，以消除图像中的阴影。最后，我们显示原始图像和校正后的图像。请注意，此代码仅用于演示目的，实际应用中可能需要更复杂的阴影校正方法。
评论 12
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

曾小蛙

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值