FMNet:基于特征对齐的多方位注意力机制服装图像分割网络

作     者：钟豪 张自力 彭涛 何儒汉 胡新荣 张俊 ZHONG Hao;ZHANG Zili;PENG Tao;HE Ruhan;HU Xinrong;ZHANG Jun

作者机构：湖北省服装信息化工程技术研究中心武汉430200 武汉纺织大学计算机与人工智能学院武汉430200 纺织服装智能化湖北省工程研究中心武汉430200 武汉工程大学计算机科学与工程学院武汉430200 

出 版 物：《中国科技论文》 (China Sciencepaper)

年 卷 期：2023年第18卷第3期

页      面：275-282页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：湖北省教育厅科学技术研究计划项目(B2017066) 

主　　题：语义分割 服装图像分割 特征对齐 注意力机制 类别注意力机制 

摘      要：针对语义分割中不同尺度特征融合导致的特征错位问题,提出了一种用于不同尺度语义特征融合的上采样方法。首先,将不同尺度特征图初步融合,将得到的语义信息作为低分辨率特征图进行上采样的位置参照;随后,将低分辨率特征图上采样后,再与高分辨率特征图进行融合。针对神经网络中语义学习模块对语义特征信息学习不充分的问题,提出了一种多方位注意力机制(multi-directional attention mechanism,MAM),从空间、通道和类别3个方位学习语义信息。根据上述2个方面的创新,提出了用于服装图像分割的网络——FMNet,并选取、划分服装数据集DeepFashion2作为训练、验证和测试的数据集。实验结果表明,所提FMNet的平均交并比(mean intersection over union,mIoU)相较于OCRNet提高了2%,相较于DeepLabv3+和PSPNet分别提高了5%和10%。