基于三次精调的人脸分割方法

黄娜 赵志刚 于晓康

摘要：针对人脸分割的精度问题，提出了融合网络深层特征和浅层特征的新结构，三次精调人脸检测框，提高人脸分割的精确度。新结构结合通道注意力与空间注意力机制，利用深度分离卷积，为每个通道特征提供各自对应的注意力权重，充分利用深层语义信息与浅层定位信息，为精确分割提供特征信息，三次精调为分割提供准确的检测结果。实验结果相比Mask R-CNN的mAP提高0.1，相比最新方法mAP提高0.2。

關键词：人脸分割;精调;通道注意力;空间注意力

中图分类号：TP391

文献标志码：A

收稿日期：2020-09-30

通信作者：

于晓康，男，博士，副教授，主要研究方向为计算机几何，计算机图形学，计算机视觉等。E-mail： xyu_qdu@163.com

人脸是非常重要的特征，人脸检测、人脸识别、人脸分割等技术广泛应用于安全、通信、医疗、社交等领域。Cuevas等[1]提出对光照变化有健壮性的人脸分割方法;Segundo等[2]提出基于人脸关键点的人脸分割算法;Subasic等[3]提出适用于电子身份文件识别的人脸分割模型;Khan等[4]以多任务的方式提出头部姿态估计和人脸分割的模型;Masi等[5]在人脸检测之后，通过3D投影计算得到完整的人脸形状，再通过已有的人脸分割网络得到有误差的人脸分割，计算两者之间的差异，构造新的损失函数，为人脸分割提供了新思路;Wang等[6]通过强化学习训练模型，分割视频中的人脸。但现实中人脸遮挡的情况复杂多样，现有模型对于不同场景不同弧度的人脸边界，还是无法精确分割。实例分割方法也不……