典型文献
基于上下文学习的轻量级自动抠图算法
文献摘要：
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％.
文献关键词：
深度学习;轻量级;自动抠图;编解码结构;深度可分离卷积
中图分类号：
作者姓名：
王文韵;黄根春;田猛;王先培
作者机构：
武汉大学 电子信息学院,湖北 武汉 430072
文献出处：
引用格式：
[1]王文韵;黄根春;田猛;王先培-.基于上下文学习的轻量级自动抠图算法)[J].计算机工程与设计,2022(01):94-100
A类：
Compositon
B类：
轻量级,自动抠图,平衡精度,上下文特征,特征聚合,编解码结构,网络构建,编解码器,空间信息,上下文信息,细节纹理,纹理特征,深度可分离卷积,编解码网络,DIM,模型参数量
AB值：
0.250799
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
