融合MobileNetv2和注意力机制的轻量级人像分割算法

• 作者: 王欣 王美丽 边党伟
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 人像分割 MobileNetv2 编码器-解码器 注意力机制 混合损失函数
• 年，卷（期）: 2022,（7）
• 所属期刊栏目: 图形图像处理|Graphics and Image Processing
• 页码范围: 220-228
• 页数: 9页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2106-0334

摘要

针对人像分割精度不高、效率不佳的问题,提出一种融合MobileNetv2和注意力机制的轻量级人像分割算法,以实现对人像半身图进行分割.在编码器-解码器的U型网络结构的基础上,通过将MobileNetv2作为骨干网络,精简上采样过程,有效地减少了网络的参数量,有助于网络的迁移和训练.融合注意力机制的网络结构可更有效地学习人像特征,同时引进混合损失函数,有利于人像边缘像素点分类.该网络结构可选用人像半身图作为输入,并输出对应的图像掩膜.在Human_Matting和EG1800公开数据集上进行了实验,结果表明该算法精度分别达98.3％(Matting)、97.8％(EG1800),相较于PortraitNet预测96.3％(Matting)、95.8％(EG1800)的准确度和DeepLabv3+网络的96.8％(Matting)、96.4％(EG1800)准确度有明显提升,可以清晰地将目标人物和背景分离开.算法IOU指标可达98.6％(Matting)、98.2％(EG1800),在实验平台上分割测试集每张图片平均时间约0.015 s,可应用于轻量化场景中,为场景人像分割提供新的理论基础和研究思路.