用于快速高精度人像分割的边界感知网络
计算机视觉与模式识别
2019-01-15 v1
摘要
与其他语义分割任务相比，人像分割要求更高的精度与更快的推理速度。然而，该问题在以往工作中未得到充分研究。本文提出一种轻量级网络架构，称为边界感知网络（BANet），其选择性提取边界区域的细节信息，以实时（>25FPS）速度生成高质量分割输出。此外，我们设计了一种新的损失函数，称为细化损失（refine loss），利用图像级梯度信息对网络进行监督。我们的模型能够产生比标注具有更丰富细节的更精细分割结果。
引用
@article{arxiv.1901.03814,
title = {Boundary-Aware Network for Fast and High-Accuracy Portrait Segmentation},
author = {Xi Chen and Donglian Qi and Jianxin Shen},
journal= {arXiv preprint arXiv:1901.03814},
year = {2019}
}