基于改进Deeplab v3+的服装图像分割网络

摘要：

在服装图像分割领域,现有算法存在服装边缘分割粗糙、分割精度差和服装深层语义特征提取不够充分等问题.将Coordinate Attention机制和语义特征增强模块(SFEM)嵌入到语义分割性能较好的Deeplab v3+网络,设计一种用于服装图像分割领域的CA_SFEM_Deeplab v3+网络.为了加强服装图像有效特征的学习,在Deeplab v3+网络的主干网络resnetl0l中嵌入Coordinate Attention机制,并将经过带空洞卷积池化金字塔网络的特征图输入到语义特征增强模块中进行特征增强处理,从而提高分割的准确率.实验结果表明,CA_SFEM_Deeplabv3+网络在DeepFashion2数据集上的平均交并比与平均像素准确率分别为0.557、0.671,相较于Deeplab v3+网络分别提高2.1％、2.3％,其所得分割服装轮廓更为精细,具有较好的分割性能.

关键词：服装图像、语义分割、Deeplab v3+网络、Coordinate Attention机制、语义特征增强模块

所属期刊栏目：48

分类号：TP391.41(计算技术、计算机技术)

资助基金：湖北省高校优秀中青年科技创新团队计划项目T201807

在线出版日期：2022-09-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：284-291