SINet：具有空间压缩模块与信息阻断解码器的极轻量级人像分割网络
计算机视觉与模式识别
2020-02-11 v4
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，在语义分割领域较少被专门处理。显然，人像分割有其独特需求。首先，由于人像分割在许多实际应用整体流程的中间执行，它要求极度轻量的模型。其次，该领域尚不存在任何包含具有无偏统计的充分数量图像的公开数据集。为解决第一个问题，我们引入了全新的极轻量级人像分割模型SINet，其包含信息阻断解码器和空间压缩模块。信息阻断解码器利用置信度估计恢复局部空间信息而不破坏全局一致性。空间压缩模块利用多感受野应对图像中各种尺度的一致性。为应对第二个问题，我们提出了一种简单方法来创建额外的人像分割数据，从而提升在EG1800数据集上的精度。在EG1800数据集的定性与定量分析中，我们表明我们的方法优于多种现有轻量级分割模型。我们的方法将参数数量从2.1M减少到86.9K（约减少95.9%），同时将精度保持在距最先进人像分割方法1%以内的差距。我们还展示了我们的模型在真实移动设备上以100.6 FPS成功运行。此外，我们证明了我们的方法可用于Cityscapes数据集上的通用语义分割。代码与数据集见 https://github.com/HYOJINPARK/ExtPortraitSeg 。
引用
@article{arxiv.1911.09099,
title = {SINet: Extreme Lightweight Portrait Segmentation Networks with Spatial Squeeze Modules and Information Blocking Decoder},
author = {Hyojin Park and Lars Lowe Sjösund and YoungJoon Yoo and Nicolas Monet and Jihwan Bang and Nojun Kwak},
journal= {arXiv preprint arXiv:1911.09099},
year = {2020}
}
备注
https://github.com/HYOJINPARK/ExtPortraitSeg. arXiv admin note: text overlap with arXiv:1908.03093