采用双注意力机制Deeplabv3+算法的服装图像分割

作者：赵乙; 何嘉

来源：成都信息工程大学学报, 2022, 37(01): 67-71.

DOI：10.16836/j.cnki.jcuit.2022.01.012

• 服装图像分割
• DeepFashion2
• Deeplabv3+
• 语义分割

近年来服装时尚行业经济发展迅速,为了让用户选择服装和服装的设计更方便快捷,提高服装图像的分割效率尤为重要。目前的方法大多属于传统的分割方法,或者基于深度卷积神经网络（DCNN）。针对服装图像分割时易受背景、颜色、纹理等的影响,且服装的边缘分割不准确,基于Deeplabv3+算法提出了双注意力机制的方法识别分割服装图像,使用通道注意力机制和位置注意力机制构成名为CPAM的模块对Deeplabv3+网络进行改进。特征图经过多次下采样后再经过通道和位置注意力模块（CPAM）与ASPP模块并行,最后通过上采样得到预测图像。实验证明对不同场景的服装图像分割,加入CPAM模块的模型能更准确地将服装分割出来。

• 单位
  成都信息工程大学