采用双注意力机制Deeplabv3+算法的服装图像分割

• 作者: 赵乙 何嘉
• 来源期刊: 成都信息工程大学学报
• 学科: 工学
• 关键词: 服装图像分割 DeepFashion2 Deeplabv3+ 语义分割
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 电子信息科学与技术
• 页码范围: 67-71
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.16836/j.cnki.jcuit.2022.01.012

摘要

近年来服装时尚行业经济发展迅速,为了让用户选择服装和服装的设计更方便快捷,提高服装图像的分割效率尤为重要.目前的方法大多属于传统的分割方法,或者基于深度卷积神经网络(DCNN).针对服装图像分割时易受背景、颜色、纹理等的影响,且服装的边缘分割不准确,基于Deeplabv3+算法提出了双注意力机制的方法识别分割服装图像,使用通道注意力机制和位置注意力机制构成名为CPAM的模块对Deeplabv3+网络进行改进.特征图经过多次下采样后再经过通道和位置注意力模块(CPAM)与ASPP模块并行,最后通过上采样得到预测图像.实验证明对不同场景的服装图像分割,加入CPAM模块的模型能更准确地将服装分割出来.