-
题名改进YOLACT的服装图像实例分割方法
被引量：1
- 1
-
-
作者
顾梅花
董晓晓
花玮
崔琳
-
机构
西安工程大学电子信息学院
-
出处
《纺织高校基础科学学报》
CAS
2024年第2期82-91,共10页
-
基金
国家自然科学基金青年基金(61901347)。
-
文摘
针对服装图像实例分割精度与速度较低的问题,提出一种基于改进YOLACT的服装图像实例分割方法。以YOLACT为基础模型,首先在ResNet101网络中采用深度可分离卷积代替传统卷积,减少模型计算量和模型参数,加快模型速度;然后,在模板生成网络后引入高效通道注意力模块,优化输出特征,捕获服装图像的跨通道交互信息,加强对掩膜分支的特征提取能力;最后,训练过程采用LeakyReLU激活函数,避免反向传播时权值信息得不到及时更新,提升模型对服装图像负值特征信息的提取能力。结果表明:与原模型相比,所提方法能有效减少模型参数量,在提升速度的同时提高了精度,其速度提升了4.82帧/s,平均精度提升了5.4%。
-
关键词
服装图像实例分割
YOLACT
深度可分离卷积
高效通道注意力
激活函数
-
Keywords
garment image instance segmentation
YOLACT
depth separable convolution
efficient channel attention
activation function
-
分类号
TS941
[轻工技术与工程—服装设计与工程]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
