图书馆在架图书书脊与标签实例分割方法研究

准确获取图书信息是智能化管理图书的关键,为实现在架图书书脊和书脊底部标签的精确分割,本研究在SparseInst基础上提出增强编码器实例分割模型EE-SparseInst。该模型使用特征选择对齐模块将特征图对齐并融合,以减少边界信息损失,使用边界解析模块增强相邻书脊边缘处的语义表示,提高掩码的分割质量。建立在架图书图像数据集,数据集包含2253张图像和标注信息。结果表明,EE-SparseInst平均精确率达到80.81%,相较于CenterMask、SOLOv2、PolarMask和SparseInst 4种主流锚框自由式实例分割方法分别提高了7.57%、20.07%、10.50%、0.74%。