ExtremeC3Net: 基于先进C3模块的极致轻量人像分割网络
计算机视觉与模式识别
2019-12-10 v3
摘要
设计轻量且鲁棒的人像分割算法对于广泛的人脸应用而言是一项重要任务。然而,该问题一直被视为目标分割问题的子集。显然,人像分割有其独特需求。首先,由于人像分割在许多真实世界应用的整个流程中间执行,它要求极度轻量的模型。其次,该领域尚无包含足够数量且具有无偏统计图像的任何公开数据集。为解决这些问题,我们引入了一种新的极致轻量人像分割模型,其由基于集中-综合卷积块的双分支架构组成。我们的方法将参数数量从2.1M减少到37.7K(约减少98.2%),同时将精度保持在距最先进人像分割方法1%的范围内。在EG1800数据集上的定性与定量分析中,我们表明我们的方法优于各种现有轻量分割模型。其次,我们提出了一种简单方法来创建额外的人像分割数据,可提升在EG1800数据集上的精度。此外,我们通过自行额外标注种族、性别和年龄来分析公开数据集中的偏差。增强数据集、额外标注与代码可在 https://github.com/HYOJINPARK/ExtPortraitSeg 获取。
引用
@article{arxiv.1908.03093,
title = {ExtremeC3Net: Extreme Lightweight Portrait Segmentation Networks using Advanced C3-modules},
author = {Hyojin Park and Lars Lowe Sjösund and YoungJoon Yoo and Jihwan Bang and Nojun Kwak},
journal= {arXiv preprint arXiv:1908.03093},
year = {2019}
}
备注
https://github.com/HYOJINPARK/ExtPortraitSeg