基于CornerNet-Saccade的手部分割模型

摘要

手部分割技术受手部形态、分割背景等因素的影响,分割效率难以提高.在CornerNet-Saccade模型基础上构造一种基于扫视机制的分割模型.通过模拟人眼观察物体时先扫视再仔细观察的行为特征,降低待处理图像的像素数量并在初步判断手部位置后将掩码分支添加到不同尺度特征图中,完成精细分割任务.在此基础上,引入线性瓶颈结构完成模型轻量化操作以降低模型复杂度.实验结果表明,该模型在Egohands数据集上平均交并比高达88.4％,优于RefinNet、U-Net等主流模型,轻量化处理后其平均交并比虽降低了2.2个百分点,但参数量仅为原模型的44.9％.