SDMEScientific Development of Modern Education2998-90272998-9043Art and Technology10.61369/SDME.2025090034Article计算机视觉（CV）模型偏差消除方法的研究进展https://artdesignp.com/journal/SDME/2/9/10.61369/SDME.2025090034闫懿涛,苏若虹,赵剑波,莫运益2025292025-05-14近年来，随着计算机视觉（CV）技术的快速发展，语义分割在自动驾驶、安防监控、虚拟试衣等实际场景中展现出广泛应用潜力，特别是人体解析任务在细粒度理解中扮演着关键角色。然而，当前主流预训练模型在处理复杂人体姿态、多样外观特征及遮挡等问题时，仍面临显著的偏差挑战，这些偏差严重影响了模型在公平性、鲁棒性与泛化能力方面的实际表现。传统的人体解析偏差缓解方法主要依赖数据增强、类别重加权、边界优化等手段，虽在一定程度上提升了模型性能，但难以彻底克服因数据不平衡、属性敏感性等因素导致的系统性误差。本文聚焦于语义分割中人体解析任务的偏差消除研究进展，系统梳理了近年来从数据构建、模型设计到训练机制等层面提出的多种缓解策略。文中还详细分析了在遮挡场景、边界处理和小样本泛化等方面的关键技术与挑战，旨在为后续构建更稳健、公平的人体解析模型提供理论参考与方法支持。语义分割,人体解析,多尺度模型,CV模型平衡性

[1] 刘 晨 , 张敏,王丽.计算机视觉中的图像分类算法及其应用研究[J].计算机工程与应用,2019,55(12):78-82. [2] 王伟,李强,张涛.基于深度学习的计算机视觉目标检测方法研究[J].计算机应用研究,2020,37(5):1234-1238. [3] 李明,张磊,王强.基于模型压缩的计算机视觉模型优化方法研究[J].计算机科学,2020,47(10):98-104. [4] 王浩,李敏,张云.基于深度学习的语义分割算法研究与应用[J].计算机应用研究,2020,37(12):3456-3460. [5] 张宇,李伟.(2020). 计算机视觉的深度学习综述.IEEE图像处理汇刊,29(5),1201-1215. [6] 孙晓,尚杰,张磊.(2020).基于深度学习的人体姿态估计综述.IEEE模式分析与机器智能汇刊,42(5),1095-1110. [7] 陈怡静.基于计算机视觉和脑电信号联合分析的目标检测系统设计[D].北京交通大学,2024. [8] 孙超.基于计算机视觉与驾驶信息的驾驶安全检测方法研究[D].内蒙古大学,2024. [9] 何文奇.基于计算机视觉的老年人行为识别与社区户外公共空间关联机制研究[D].北方工业大学,2024. [10] 董锴龙.基于计算机视觉的危化品运输车辆辅助驾驶技术研究[D].淮阴工学院,2024.