一种基于CA-Net的面部口罩分割方法

佩戴不同材质、型号的口罩对病毒传播的防控效果各不相同，对图像数据集中的口罩进行分割，将有助分析不同类型的口罩在防控效果上的差异。当前，面部口罩检测算法较多，但缺乏进一步的分割，为此文中提出一种基于图像处理和深度学习的面部口罩分割方法。文中所提方法是一种改进的对比度自适应直方图均衡化预处理方法，其通过亮度自适应调整减少因部分图像过暗导致的传统预处理效果不佳的影响。以SSD(Single Shot MultiBox Detector)进行口罩预检测，对结果以CA-Net(Comprehensive Attention Convolutional Neural Networks)进行口罩分割。CA-Net以U-Net为骨干网络，增加了空间注意模块、通道注意模块和尺度注意模块以便同时实现关于特征地图的空间、通道和比例的综合注意力引导，突出空间位置、通道和尺度。使用该方法初步分割结果的Dice系数评价指标可以达到79.18%±3.44%;增加预处理和后处理操作后，Dice系数可提升至84.03%±2.81%,表明文中所提方法能够明显改善视觉分割结果。