基于多重注意力机制的服装图像实例分割

不同服装部件的细分可使设计师更好地开发时尚新品,同时有助于消费者更好地理解设计概念。当前,服装图像分割的主流方法多基于深度卷积神经网络(Deep Convolution Neural Network,DCNN),但受制于感受野的大小限制,DCNN无法捕获全局依赖性。有鉴于此,文章在Mask-RCNN的基础上,提出了一种基于非局部注意力机制的双分支多重注意力网络(Multiple Attention Mask-RCNN,MA-Mask-RCNN),分别用于提取位置注意力和渠道注意力。经过特征融合后,将特征金字塔网络(Feature Pyramid Network,FPN)模块和多重注意力模块并联,将该分割网络在Imaterialist-fashion(2019)数据集上训练,并与基准网络的表现进行对比,证明了所提出的MA-Mask-RCNN(Multiple Attention Mask-RCNN)是一种可有效进行服装细粒度实例分割的神经网络。