颜色不变肤色分割
计算机视觉与模式识别
2022-04-26 v2
摘要
本文解决在不依赖颜色信息的情况下自动检测图像中人体皮肤的问题。该工作的主要动机之一是在训练数据集明显偏向较浅肤色的情况下，也能在整个肤色范围内取得一致的结果。以往的肤色检测方法几乎 exclusively 使用颜色线索，而我们提出一种在无此类信息时表现良好的新方法。该工作的一个关键方面是通过在训练期间策略性应用的增广进行数据集修复，以实现颜色不变特征学习从而增强泛化能力。我们使用两种架构演示了该概念，实验结果表明在基准 ECU 数据集中大多数 Fitzpatrick 肤色上的精确率与召回率均有提升。我们进一步使用 RFW 数据集测试该系统，表明所提方法在不同族群间表现更为一致，从而降低了基于肤色的偏见风险。为证明我们工作的有效性，我们在灰度图像以及非受限光照下和带人工滤镜获取的图像上进行了大量实验。源代码：https://github.com/HanXuMartin/Color-Invariant-Skin-Segmentation
引用
@article{arxiv.2204.09882,
title = {Color Invariant Skin Segmentation},
author = {Han Xu and Abhijit Sarkar and A. Lynn Abbott},
journal= {arXiv preprint arXiv:2204.09882},
year = {2022}
}