2001748-Have Hands-【A02】基于非特定类别的图像前景主体分割算法【万兴科技】-项目简要介绍1
需积分: 0 135 浏览量
2022-08-08
22:59:42
上传
评论
收藏 3.27MB DOCX 举报
基于非特定类别的图像前景主体分割算法
第 1 页 共 8 页
非特定类型图像前景分割解决方案
一 前言
近年来，语义分割在人像分割上表现突出，但语义分割本质上是图像像素级
分类，对特定类别表现较优，但对非特定类别语义分割的执行效果并不令人满意。
因此在本任务中为实现非特定类别图像分割，采用基于显著性的图像分割算法，
提出本项目的核心显著性分割模型 U
2
GE-Net。其基于 U
2
-Net(CVPR2020)算法进
行改进，采用全局上下文嵌入模块来聚合通道信息，引入门控通道注意力模块
（GCT）(CVPR2020),重新设计损失项（增加了边缘 loss 和 IoUloss（交并比损
失）），完成了推理速度快，可移植性强等要求
图 1.1 U
2
GE-Net 结构图
二 创意描述
（1） 主体定义明确：采用 GCT 深度卷积神经网络视觉识别转化单元，增强
模型对图像前景的注意力。该单元可以由三部分构成，第一部分通过
全局上下文嵌入模块聚合各个通道中的全局上下文信息；第二部分采
用与第一部分相似的方式使用 l
2
范数进行规范化，实现通道归一化；
第三部分，通过门控机制引入权重γ与门控偏置β，促进神经元的竞
争及协同
（2） 边缘分割准确：设计边缘 loss,IoUloss 和全局 loss 指导整个网络优
化。全局 loss 采用 BCEloss 对 mask（掩膜）和 ground truth（真实
值）进行计算；边缘 loss 分别对 mask 和 ground truth 使用 canny
评论0