人体解析任务
人体解析（human parsing），属于语义分割任务的子任务，旨在对人类图像进行像素级的是细粒度分割（例如，划分出身体部位和服装）。根据不同的场景，又可以分为单人人体解析（single-person human parsing）和多人人体解析（multi-person human parsing，或者 instance-level human parsing）。除此之外，按照处理媒介分类，还可以分为基于图像的人体解析和基于视频的人体解析。
对于人体解析任务，常用的度量指标包括 Pixel accuracy(%) , Mean accuracy(%), Mean IoU(%) 和 Frequency weighted IoU(%).
Look into Person数据集
Look into Person (LIP) 是一个大规模的人体语义解析数据集，它包括了带有像素级人体部位标注（19种人体部位类别）和2D姿势标注（16个关键点）的50000张图像。这50000张图像裁剪自COCO数据集中的人物实例，图像尺寸均大于50 * 50. 它们覆盖了真实世界的各种场景，包括姿势和视角的改变、严重的遮挡、变化的外观以及低分辨率。
实际上，该数据集可以分为四个部分，分别为：单人人体解析，多人人体解析，基于视频的多人人体解析，基于图像的虚拟试衣。可以从该数据集官网中得到下载链接（包括百度云盘和谷歌云盘链接）。
在这里我们主要讨论第一个部分，即单人人体解析数据集。它包括了19种类别标签加上背景标签，所以一共是20种类别：
- 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
baseline代码分享
该baseline模型基于PSPNet，其中的特征提取主干可以选择resNet50、denseNet121、squeezeNet或者其它模型。
源码链接如下：
https://github.com/hyk1996/Single-Human-Parsing-LIP
如果觉得有帮助，欢迎star和fork，如果有需要的话我可以把训练好的模型也放出来。
实验结果和可视化如下：（可视化代码也包含在源码里了）
