图学学报 ›› 2022, Vol. 43 ›› Issue (2): 247-253.DOI: 10.11996/JG.j.2095-302X.2022020247
摘要: 针对抠图任务中人物抠图完整度低、边缘不够精细化等繁琐问题,提出了一种基于深度学习
的人物肖像全自动抠图算法。算法采用三分支网络进行学习,语义分割分支(SSB)学习 图的语义信息,细节
分支(DB)学习 图的细节信息,混合分支(COM)将 2 个分支的学习结果汇总。首先算法的编码网络采用轻量
级卷积神经网络(CNN) MobileNetV2,以加速算法的特征提取过程;其次在 SSB 中加入注意力机制对图像特
征通道重要性进行加权,在 DB 加入空洞空间金字塔池化(ASPP)模块,对图像的不同感受野所提取的特征进
行多尺度融合;然后解码网络的 2 个分支通过跳级连接融合不同阶段编码网络提取到的特征进行解码;最后
将 2 个分支学习的特征融合在一起得到图像的 图。实验结果表明,该算法在公开的数据集上抠图效果优于
所对比的基于深度学习的半自动和全自动抠图算法,在实时流视频抠图的效果优于 Modnet。
中图分类号: