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

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

• Github | Paper | Google_colab demo （需要梯子）
  

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
  • 

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

• 百度网盘：https://pan.baidu.com/s/1PYw0jBnrlRWZIXxAc3RUpg

• 提取码

  slnp