实时分割与面部肤色分级
计算机视觉与模式识别
2020-01-10 v2
摘要
现代语义分割方法通常过于关注模型精度,因此强烈倾向于引入笨重的骨干网络,这带来了沉重的计算负担和内存占用。为缓解该问题,我们提出了一种基于深度卷积神经网络(DCNNs)的高效分割方法,用于头发和面部皮肤分割任务,在三个基准数据集上实现了速度与性能之间的显著权衡。据我们所知,受光照和背景噪声等外界环境因素影响,肤色分类的准确率通常不尽如人意。因此,我们利用分割出的面部获取特定面部区域,并进一步利用颜色矩算法提取其颜色特征。具体而言,对于224 x 224标准输入,使用我们的高分辨率空间细节信息与低分辨率上下文信息融合网络(HLNet),在CPU环境下以超过16 FPS的速度在Figaro1k数据集上达到90.73%像素精度。在CamVid数据集上的补充实验进一步证实了所提模型的通用性。我们进一步使用掩膜颜色矩进行肤色等级评估,约80%的分类准确率证明了所提方案的可行性。代码见 https://github.com/JACKYLUO1991/Face-skin-hair-segmentaiton-and-skin-color-evaluation。
引用
@article{arxiv.1912.12888,
title = {Real-time Segmentation and Facial Skin Tones Grading},
author = {Ling Luo and Dingyu Xue and Xinglong Feng and Yichun Yu and Peng Wang},
journal= {arXiv preprint arXiv:1912.12888},
year = {2020}
}
备注
13 pages, 4 figures