-
题名针对遮挡物体的轮廓细化实例分割
- 1
-
-
作者
李伟
黄娅
张馨渊
韩贵金
-
机构
西安邮电大学自动化学院
-
出处
《中国图象图形学报》
CSCD
北大核心
2024年第5期1221-1232,共12页
-
基金
陕西省科技厅重点研发计划一般项目(2023-YBGY-032)。
-
文摘
目的 遮挡物体实例分割效果的好坏与物体轮廓的预测结果息息相关,但目前算法预测的物体轮廓并不够细化,使得分割掩膜粗糙,物体边界分割效果不佳。为此,以BCNet(bilayer convolutional network)网络为基础,提出一种针对遮挡物体的轮廓细化实例分割算法,预测的物体轮廓更加精细,分割掩膜更加完整。方法 1)提出一种均衡池化注意力模块来提取特征,在传统一维平均池化的基础上,增加一维最大池化操作以突出细节特征,并将最大池化和平均池化结果进行加权融合来提取特征,使提取的特征能更好地兼顾物体的整体和边缘细节;2)将BCNet掩膜头中轮廓预测与掩膜预测分成两个支路来进行,从特征金字塔最高分辨率特征中提取感兴趣区域(region of interest, RoI)特征用于轮廓预测,并提出一种自适应特征融合模块,将轮廓预测支路中的特征与掩膜预测支路的特征进行融合,在轮廓预测支路中,融合掩膜预测支路的特征可以更好地判定轮廓所属物体类别,在掩膜预测支路,融合轮廓预测支路的特征能够更好地辅助掩膜定位。结果 在COCO 2017(common objects in context 2017)数据集上,本文相较于目前同类网络中性能最优的BCNet网络,在骨干网络为ResNet-50/101(deep residual network)时平均精度(average precision,AP)分别提高了1.7%和2.1%。结合可视化结果,本文分割算法对遮挡物体的轮廓分割更加精细,能有效分割出更加完整、精细的掩码。结论 提出的针对遮挡物体的轮廓细化实例分割算法,明显提升了遮挡物体实例分割的效果。
-
关键词
遮挡物体实例分割
均衡池化注意力模块(BPAM)
自适应特征融合模块(AFFM)
bcnet
轮廓预测支路
掩膜预测支路
-
Keywords
occluded objects instance segmentation
balance pooling attention module(BPAM)
adaptive feature fusion module(AFFM)
bilayer convolutional network(bcnet)
contour prediction branch
mask prediction branch
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-