《表1 模型各层输出特征地图尺寸》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《融合注意力机制的移动端人像分割网络》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文模型利用MobileNetV2作为编码网络。解码网络堆叠了4层解码子模块（Decoder），每个解码子模块嵌入了一个优化过的注意力模块和一个用来压缩特征地图通道数目、尺寸为1的深度可分离卷积。为了获得丰富的上下文信息，选取编码网络中的第2、4、7、14层（尺寸分别为原始特征地图的1/2，1/4，1/8，1/16）的输出特征地图跳跃连接到解码网络中，与解码子模块输出的特征地图在通道维度上进行堆叠，再输出给下一层解码子模块。为了堆叠时特征地图尺寸的一致性，在堆叠前对解码子模块输出的特征地图进行了上采样操作。重复上述操作，最终将特征地图经过一个1×1的卷积核和SoftMax层得到分割结果图，尺寸为输入图像的一半。模型具体结构见图2。其中，（1）：编码网络的输出特征地图。（2）～（5）：编码网络第14、7、4、2层的输出特征地图。（6）～（9）：经过解码子模块并上采样后的特征地图。（10）：输出特征地图。decoder-i(i=1，2，3，4）为解码子模块，包含一个深度可分离卷积和一个轻量化注意力模块。表1给出了各特征地图的尺寸和通道数目。