《表2 本文模块在LIP数据集的对比结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《结合编解码网络的人体解析方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了探究改变下采样倍数、上下文提取高维特征网络以及注意力解码高维特征网络的有效性，本文在LIP数据集上进行对比实验，结果如表2所示，其中B代表本文的基础特征提取网络Densenet-121，其中32s代表从原图中下采样32倍再恢复至原图，16s代表从原图中下采样16倍再恢复至原图，8s代表从原图中下采样8倍再恢复至原图，P代表使用金字塔上下文提取网络提取高维度特征，A代表用双注意力模块去解码高维度特征．从表2中，可以看出，对于人体解析问题，采用256*256的输入分辨率，8、16、32倍下采样的效果是逐步递减的．本文在8倍下采样的基础上增加了金字塔池化和双注意力网络这样的解码网络后，在像素精度上能够提升0.55%，均像素精度能够提升1.25%，均交并比能够提升1.64%.