kevinlin311tw/CDCL-human-part-segmentation

🧠 Phân đoạn bộ phận con người đa người không nhãn, chỉ bằng xương và dữ liệu t合成

CDCL học phân đoạn bộ phận con người đa người mà không cần nhãn thực tế, dùng xương người như cây cầu giữa miền t合成 và thực tế.

Đây là mã nguồn của bài báo Cross-Domain Complementary Learning Using Pose for Multi-Person Part Segmentation (TCSVT2020). Dự án giải quyết bài toán phân đoạn bộ phận con người đa người mà không cần nhãn phân đoạn thực tế trên ảnh thực. Mô hình học từ t合ng hợp và tập dữ liệu thực, khai thác cấu trúc xương chung để chuyển giao kiến thức.

✨ Điểm nổi bật

• Học không nhãn thực: dùng dữ liệu t合ng hợp + xương người để học phân đoạn trên ảnh thực.
• Kết nối miền bằng xương: xương người là cây cầu chung giữa dữ liệu t合ng hợp và thực tế.
• Hai mô hình pretrained: một dự đoán 6 bộ phận, một dự đoán 15 bộ phận.
• Kết quả tốt: mô hình CDCL+PASCAL đạt 72.82% mIOU trên PASCAL-Person-Part.
• Cài đặt đa dạng: hỗ trợ conda, Docker, cài đặt thủ công.
• Demo đầy đủ: chạy inference trên thư mục ảnh input, xuất kết quả ra output.

💡 Vì sao đáng chú ý

Không như các phương pháp dùng nhãn thực tế đắt đỏ, CDCL khai thác cấu trúc xương người chung giữa miền t合ng hợp và thực tế để học chuyển đổi. Đây là cách tiếp cận hiệu quả cho bài toán nhận dạng và phân tích người trong thị giác máy tính.

#HumanParsing #MultiPersonSegmentation #DomainAdaptation #SyntheticData #TiniX