基于上下文学习的轻量级自动抠图算法
Computer Engineering and Design（2022）
摘要
为解决以往算法无法平衡精度和模型大小的问题,提出一种基于上下文学习的轻量级自动抠图算法.采用上下文特征聚合模块和编解码结构相结合的方式进行网络构建,其中编解码器能够有效进行特征提取,通过恢复空间信息捕获更清晰的对象边界;上下文特征聚合模块能够编码多尺度的上下文信息,保留更多细节纹理特征,提高结果的精度.将深度可分离卷积应用到网络主干,形成更快、更强的编解码网络.经Compositon-1 k数据集测试,其结果表明,在不进行任何后处理的情况下,该算法精度优于DIM算法,模型参数量较DIM模型降低了98.1％.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要