姚 超， 刘桂华， 赵 森， 林 杰

(1.西南科技大学 信息工程学院，四川 绵阳 621010； 2.特殊环境机器人技术四川省重点试验室，四川 绵阳 621010；3.电子科技大学 公共管理学院，四川 成都 611731)

0 引 言

中国剪纸的设计、画样、开版在过去发展的几百年以来一直都是行业创新发展的瓶颈，为解决剪纸设计耗时长、成本高和效率低等关键性问题。国内外目前已有一些学者对自动化剪纸设计开展了一些研究，但大多数研究都采用传统分割算法[1～3]来解决剪纸设计问题，而在深度学习[4]领域，图像检测[5]和语义分割[6]大多采用深度卷积神经网络[7]。2015年Long J等人[8]提出的全卷积神经网络实现了能突显细节的图像分割，然而多层的卷积和池化会导致丢失上下文信息；Chen L C等人[9]提出来的DeepLab网络，加入空洞卷积使得分割精度大幅提升，然而剪纸设计任务训练格外耗时。2018年王能玉等人[10]设计了基于深度学习和图像处理的图像剪纸平台，具有重要的探索意义。但是并未对深度学习算法以及剪纸设计作品效果进行深入研究。

通过对上述问题的综合考虑，本文改进Unet[11]神经网络结构，在编码阶段的激活层用LeakyReLU激活函数，解决网络在人物特征较弱区域无法提取弱特征的问题。编码阶段末端将传统的卷积组合替换为空洞卷积，并对人物特征进行多尺度提取与融合，以此获得更强表现力的特征描述。

1 算法设计

1.1 PC-Unet网络

在剪纸设计任务中，人物原图包含的特征信息和像素之间的关系都对最后的剪纸设计效果具有显著影响，同时人物剪纸分割任务与Unet的医学细胞分割任务都是二分类。……