人像图片的语义理解方法研究

Human parsing aims to predict the label of each pixel in human pictures, such as face, hair, skirt, upper clothes and so on. Human parsing is closely related with many core computer vision tasks, such as image classification, object detection and image semantic segmentation. It is a quite challenging topic with a broad impact on both society and economy. In this project, based on the abundant research resources produced in an era of Big Data and the latest achievements in Computer Vision, Multimedia and Machine Learning, we solve the critical issues and technical problems concerning human parsing. By combining the merits of parametric model, non-parametric model and deep learning, this project proposes a complete, end-to-end human parsing solution. The solution not only considers the rich context between semantic labels, but also meets the need of real-time requirements in real applications. Our project plans to achieve breakthrough in the task of human parsing. Moreover, world-class research achievements in paper publication, patent application and personnel training will be obtained.

人像图片的语义理解的目标是得到人像图片中每一个像素的类别标签（比如人脸、头发、裙子、上衣等）。该任务涉及到图像分类、物体检测和语义分割等计算机视觉的核心技术，是一个非常具有挑战性的研究课题，也是一个对社会和经济有广泛影响的重大基本问题。本项目将立足于大数据时代带来的丰富资源和计算机视觉、模式识别、机器学习等领域取得的最新成果与理论，解决人像理解任务中存在的关键问题和技术难题。 本项目融合了参数模型、非参模型和深度学习的优势，提出了一套完整的、端对端的人像理解方案。该方案考虑到不同语义标签之间的上下文关系，也可以满足实际系统实时性的需要。本项目拟在人像图片的语义理解的任务上取得突破，并且在论文发表、专利申请和人才培养等方面取得具有国际领先水平的研究成果。

人像图片的语义理解的目标是得到人像图片中每一个像素的类别标签（比如人脸、头发、裙子、上衣等）。该任务涉及到图像分类、物体检测和语义分割等计算机视觉的核心技术，是一个非常具有挑战性的研究课题，也是一个对社会和经济有广泛影响的重大基本问题。本项目立足于大数据时代带来的丰富资源和计算机视觉、模式识别、机器学习等领域取得的最新成果与理论，解决人像理解任务中存在的关键问题和技术难题。 本项目融合了参数模型、非参模型和深度学习的优势，提出了一套完整的、端对端的人像理解方案。该方案考虑到不同语义标签之间的上下文关系，也可以满足实际系统实时性的需要。发表了国际杂志和会议20余篇。