基于多重注意力机制的自然图像抠图

深度学习在图像抠图中发挥着重要作用,但是它容易丢失一些低级语义信息。在此使用U-Net结构搭建生成网络,并在跳跃连接过程中添加瓶颈注意力模块（BAM）,能够有效地融合图像的深层特征和浅层特征。同时在编码器与解码器之间添加一个空洞空间金字塔池化模块（ASPP）,拓宽感受野,以多个比例捕捉图像的上下文信息。实验结果表明,相比传统的抠图算法,自然图像抠图提取了更多的细节纹理信息,提高了抠图的精度。