摘要
近年来，得益于深度卷积神经网络（DCNNs）的发展，人脸解析技术取得了显著进步。然而，该领域仍面临以下挑战：（1）现有先进框架在追求高性能的同时，往往难以满足实时性要求；（2）由于外观相似性导致像素标签分配错误，尤其在边界区域表现明显；（3）为促进多尺度预测，现有方法通常将深层特征与浅层特征进行融合，却未充分考虑二者之间的语义差距。针对上述问题，本文提出一种高效且有效的分层聚合网络——EHANet，以实现快速而精准的人脸解析。具体而言，我们首先提出一种阶段上下文注意力机制（SCAM），利用高层上下文信息按通道重要性对特征进行重新编码；其次，设计了一种语义差距补偿模块（SGCB），以确保分层信息的有效聚合；再次，引入加权边界感知损失函数，有效缓解了边界语义模糊的问题。在不依赖任何复杂技巧的前提下，结合轻量化主干网络，EHANet在CelebAMask-HQ数据集上取得了78.19%的mIoU，在Helen数据集上达到90.7%的F1分数，性能表现优异。此外，该模型在单张GTX 1080Ti显卡上，于640×640输入分辨率下可实现55 FPS的推理速度，并在256×256分辨率下进一步提升至300 FPS以上，具备良好的实时性，适用于实际应用场景。