HumansegV2分割边界较差

[LiaoYuWei1]

问题确认 Search before asking

• 我已经搜索过问题，但是没有找到解答。I have searched the question and found no related answer.

请提出你的问题 Please ask your question

PP-HumansegV2的实际分割效果边缘较差，体现在前景人物和背景之间存在较大的空隙，因此存在两个疑点：
1、是否是因为训练数据集的边界标注效果较差导致的实际分割边界效果较差，通过增量训练能否解决问题？
2、如果不是训练数据集的问题，是否是因为目前的HumansegV2模型的精度只能做到目前的程度，边界效果是否还有优化空间？

[liu-jiaxuan]

可否给几个效果较差的case看下，方便我们评估是训练数据还是模型性能的问题

[LiaoYuWei1]

可否给几个效果较差的case看下，方便我们评估是训练数据还是模型性能的问题
感谢回复，以官方提供的测试源图像测试为例：

人物两边边缘的分割效果较差，且我尝试自己标注了部分数据进行增量训练后的边缘效果提升有限。

[liu-jiaxuan]

这个应该是因为精细化分割边缘确实比较困难，增量训练效果也有限，如果需要非常精细的边缘分割的话，可以试着加一些形态学后处理或其他算法，看看能不能work~

[LiaoYuWei1]

这个应该是因为精细化分割边缘确实比较困难，增量训练效果也有限，如果需要非常精细的边缘分割的话，可以试着加一些形态学后处理或其他算法，看看能不能work~

和数据的精细化标注是否有关系呢，预训练版本的数据标注是否就存在边缘标注精度较差的问题？如果通过精细化标注训练数据能否有改进空间呢？

[LiaoYuWei1]

这个应该是因为精细化分割边缘确实比较困难，增量训练效果也有限，如果需要非常精细的边缘分割的话，可以试着加一些形态学后处理或其他算法，看看能不能work~

和数据的精细化标注是否有关系呢，预训练版本的数据标注是否就存在边缘标注精度较差的问题？如果通过精细化标注训练数据能否有改进空间呢？

另外，是否意味着可以排除模型性能问题？

[liu-jiaxuan]

如果能构造足量的、足够精细的训练数据，肯定是会对边缘分割有改善，但边缘精确分割本身比较困难，所以能改善多少并不确定。此外，“排除模型性能问题”没太理解什么意思，目前只能认为边缘精细分割对于humanseg来说是一个处理的不够好的任务，具体是通过构造训练数据还是其他方法来进行弥补，需要进行实验尝试