计算机工程

作者：胡新荣, 龚闯, 张自力, 朱强, 彭涛, 何儒汉

单位：1. 湖北省服装信息化工程技术研究中心, 武汉 430200;2. 纺织服装智能化湖北省工程研究中心, 武汉 430200;3. 武汉纺织大学 计算机与人工智能学院, 武汉 430200

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

基金：湖北省高校优秀中青年科技创新团队计划项目（T201807）。

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resnet101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_Deeplab v3+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。

来源：2022年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第7期