التحليل البشري على مستوى المثال شائع في السيناريوهات الحقيقية ولديه تجليات متعددة، مثل تقسيم أجزاء الجسم البشري، وتقدير الوضع الكثيف للجسم البشري، وتفاعلات الإنسان مع الأشياء، إلخ. يجب على النماذج تمييز المثاليات البشرية المختلفة في لوحة الصورة والتعلم من الخصائص الغنية لتمثيل تفاصيل كل مثال. في هذا البحث، نقدم خط أنابيب شاملًا لحل التحليل البشري على مستوى المثال، والذي يُطلق عليه اسم Parsing R-CNN. يقوم هذا الخط بمعالجة مجموعة من المثاليات البشرية بشكل متزامن من خلال النظر الشامل إلى خصائص النهج القائم على المنطقة ومظهر الإنسان، مما يسمح بتمثيل تفاصيل المثاليات. يعتبر Parsing R-CCN مرناً وكفوءًا للغاية ويمكن تطبيقه على العديد من القضايا في تحليل المثال البشري. أثبتت طريقتنا التفوق على جميع الأساليب الرائدة في مجالها في مجموعات البيانات CIHP (Crowd Instance-level Human Parsing)، MHP v2.0 (Multi-Human Parsing) وDensePose-COCO. بناءً على النموذج المقترح Parsing R-CNN، حصلنا على المركز الأول في مهمة تقدير الوضع الكثيف (DensePose Estimation) ضمن تحدي COCO 2018. الرمز البرمجي والنماذج متاحة للعامة.