基于深度神经网络的移动端人像分割

• 作者: 严群 姚剑敏 杨坚伟 林志贤
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 深度神经网络 人像分割 期望最大化 辅助损失 注意力
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 虚拟现实与多媒体计算
• 页码范围: 3644-3650
• 页数: 7页
• 分类号: TP389.1
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020050699

摘要

针对现有的人像分割算法大多忽略移动设备的硬件限制,盲目追求效果,以致无法满足移动端对于分割速度要求的问题,提出了一种可在移动设备上高效运行的人像分割网络.首先,基于编码器-解码器的轻量级U型架构来构建网络;其次,为了克服全卷积网络(FCN)受制于较小的感受域,无法充分捕获长距离信息的缺陷,引入期望最大化注意力块(EMAU)置于编码器之后、解码器之前;然后,在训练阶段添加多层边界辅助损失,有助于提高人物边界轮廓的准确度;最后,对模型进行量化和压缩.在Veer数据集上将所提网络与PortraitFCN+、ENet和BiSeNet等网络进行对比实验.实验结果表明,所提网络可以提高图像推理速度和分割效果,并能够以95.57％的准确率处理分辨率为224×224的RGB图像.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林志贤		139	647	13.0	19.0
2	姚剑敏		86	238	8.0	10.0
3	严群		10	1	1.0	1.0
4	杨坚伟		1	0	0.0	0.0