改进的DeepLabv3+人脸口罩分割方法

在进行口罩遮挡人脸图像修复时，往往需要进行人脸口罩的分割，分割的结果将会对后续的修复工作产生较大的影响。因此，为了更好地实现分割，通过改进图像分割网络DeepLabv3+,提出了一种针对人脸口罩分割的网络模型。将原始DeepLabv3+网络中的主干特征提取网络替换为轻量级网络MobileNetV2,减少模型的参数量，提升模型分割速度；采用密集连接方式将原始空洞空间金字塔池化(Atrous Spatial Pyramid Pooling, ASPP)模块中的不同特征层进行特征融合，并引入CBAM注意力机制，增强模型特征表达能力。为了使模型能够准确分割出不同形状、大小和颜色的口罩，在损失函数中引入焦点损失(Focal Loss)进行模型训练，以缓解不同类别口罩在训练样本上的不均衡问题。通过在PASCLA VOC公共数据集和自建口罩数据集上进行实验。结果表明，改进后的模型相比基准模型在模型参数、分割时间以及分割精度上取得较好的平衡。