0.Abstract :
说明本篇文章的主要工作 : 一是提出了一个用于人体解析的大数据集 Look into Person (LIP), 这个数据集相比之前的数据集更大,覆盖情景更多,更复杂,作者还在这个数据集上详细分析了之前的各种人体解析方法的优劣 。二是提出了一种 self-supervised structure-sensitive approaches 去结合 high-level 的人体关节特征去改进人体解析方法,达到了 state-of-the-art.
1.Introduction :
介绍了目前人体解析任务以及现状。
提出了存在的问题 :
- 没有大规模数据集,并且当前数据集过于简单且没有评价机制来防止潜在的过拟合,导致目前的 CNN 不能达到一个好的效果。
- 缺乏 high-level 的监督去捕捉人体结构的信息,比如人体姿态 (身体的节点)。
写出了本文的贡献:
- 建立了一个大的用于人体解析的数据集,它有 50462 张带标记的图片,分为20类 ,19类人体部件标签,1类背景,其中有 30462 张图片作为训练集,10000 张图片作为验证集ÿ