基于RSKP-UNet模型的苗族服饰图案分割研究

为保护苗族服饰文化的传承,以及增加对苗族文化的研究为目的,文章以苗族服饰图案分割为研究内容,提出了一种基于RSKP-UNet(Residual Selective-Kernel Parallel U-Net)模型的苗族服饰图案分割算法.算法在U-Net模型的编码器部分加入Residual模块以提升模型的特征提取能力,在解码器部分嵌入SKNet模块和ParNet模块以增强模型的特征表达能力.通过引入的Lovász-hinge损失函数有效地解决了苗族服饰图案存在的样本类别不均衡的问题,实验结果还表明Lovász-hinge损失函数在各项分割指标上均优于最常用的BCE损失函数.文章提出的RSKP-UNet分割模型在该损失函数下进行训练,并与4种经典的深度学习分割模型进行分割性能对比,RSKP-UNet模型在各项分割指标上好于其他模型,相比于基准模型U-Net,在Dice系数、IoU、精确率、召回率及准确度等指标上分别提升了6.98％、11.07％、2.89％、6.75％及3.92％,可为苗族服饰图案分割研究提供有效可行的办法.