控制与决策

作者：刘相良,张林丛,朱宏博,张文波

单位：沈阳理工大学 信息科学与工程学院,沈阳 110159,,沈阳理工大学 信息科学与工程学院,沈阳 110159,,沈阳理工大学 信息科学与工程学院,沈阳 110159,,沈阳理工大学 信息科学与工程学院,沈阳 110159,

关键词：数字抠图技术;轻量化;三分图;多任务框架;多级表征线索

基金：国家自然科学基金青年项目(62102272)；沈阳理工大学引进高层次人才科研支持计划项目(1010147000911)；辽宁省教育厅青年科技人才“育苗”项目(LG202027).

面对主流计算平台对框架轻量化的需求,设计一种基于多任务结构的轻量化抠图框架.将总体任务拆分为两类子任务,其中一类任务用来在语义层面上为高级特征分类,区分前景背景与未知区域的特征;另一类任务用于计算前景与背景图层的线性组合权重.通过与特征分类任务共享高级特征网络的权值获得精准的前景特征,再与低级别卷积特征相融合.所提出的模型能够生成精准的抠图掩膜,同时优化卷积神经网络来实现模型轻量化.在Composition1K数据集上对比不同方法的实验结果:在分辨率为$640\times640$的输入条件下,所提方法比DIM(deep image matting)和AdaMatting(adaptation and matting)方法分别减少19%和81%的空间消耗;对于同样的数据输入,所提方法需要的处理时间只有DIM消耗时间的五分之一.

来源：2024年第1期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第1期