深度双分辨率融合多尺度的实时服装分割算法研究
作者机构:华中师范大学物理科学与技术学院
出 版 物:《激光杂志》 (Laser Journal)
年 卷 期:2024年
学科分类:0821[工学-纺织科学与工程] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 082104[工学-服装设计与工程]
基 金:国家自然科学基金(60101204) 湖北省自然科学基金(2022CFB474)
主 题:深度双分辨率 实时语义分割 跨空间多尺度 深监督 上下文提取模块
摘 要:针对当前基于服装分割的实时语义分割算法(如Deeplab系列、ERFNet系列、BiseNet等)对服装边缘分割细节特征不足、分割精度差、推理速度慢等问题,提出了一种深度双分辨率融合多尺度的实时语义分割算法MDRNet。为提升服装图像特征的学习能力,采用双分辨率特征网络同时提取高分辨率与低分辨特征,通过双边融合模块将不同分辨率特征进行多次融合,改进了高分辨率网络的深监督输出结构,并添加跨空间多尺度注意力模块捕捉跨空间的特征信息,最后将上下文提取模块DAPPM改为并行模块PAPPM,在提升准确率的同时,可有效减少参数量和计算复杂度并有效提升了FPS。实验结果表明,MDRNet在服装分割DeepFashion-MultiModal数据集上相对于DeeplabV3+、BiseNetv2等算法平均交并比分别提升9.2%、8.1%,为语义分割在服装上的应用提供了更好的技术解决方案。