计算机应用

作者：杨坚伟, 严群, 姚剑敏, 林志贤

单位：1. 福州大学 物理与信息工程学院, 福州 350108;2. 晋江市博感电子科技有限公司, 福建 晋江 362200

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

基金：国家重点研发计划项目（2016YFB0401503）；广东省科技重大专项（2016B090906001）；福建省科技重大专项（2014HZ0003-1）；广东省光信息材料与技术重点实验室开放基金资助项目（2017B030301007）。

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。

来源：2020年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第12期