基于Mask R-CNN和CEDN的人体实例分割方法

针对人体实例分割任务中Mask R-CNN方法对于边缘分割较差的问题,本文提出了一种结合轮廓检测算法CEDN进行改进的方法。首先,通过Mask R-CNN检测出背景中的人体实例掩码,通过区域填充获取到精细化人体实例分割结果的方法。首先,通过Mask R-CNN检测出背景中的人体实例掩码;其次,利用轮廓检测算法得到精细化人体轮廓,再通过改进的区域填充算法填充出人体分割掩码,从而提高人体分割精度。在LSP数据集上进行验证,本算法相较Mask R-CNN准确率提高了4%,召回率提高了8%。算法有效的改进了Mask R-CNN的分割结果,改善了人体分割边缘较差的问题,进一步提升了人体分割的精度。