颜色分类leetcode HLNet：实时分割和面部肤色评估的统一框架

抽象的：实时语义分割在工业应用中起着至关重要的作用，例如自动驾驶、美容行业等。平衡速度和分割性能之间的关系是一个具有挑战性的问题。为了解决如此复杂的任务，为资源有限的设备引入了一种名为HLNet的高效卷积神经网络(CNN)架构。基于高质量的设计模块，HLNet在获得足够的感受野的同时，更好地融合了高维和低维信息，在三个基准数据集上取得了显著的效果。

据我们所知，由于光照和背景杂质等外部环境因素的影响，肤色分类的准确性通常不能令人满意。因此，我们使用HLNet来获取准确的人脸区域，并进一步使用颜色矩算法来提取其颜色特征。具体来说，对于224 × 224的输入，使用我们的HLNet，在CPU环境的情况下，我们在Figaro1k数据集上以超过17 FPS的速度实现了78.39%的平均IoU。我们进一步使用蒙版颜色矩进行肤色等级评估，大约80%的分类准确率证明了所提出方法的可行性。