基于深度学习的图像实例分割

• 作者: 于晓康 潘振宽 赵志刚 陈茗杨
• 来源期刊: 青岛大学学报（自然科学版）
• 学科: 工学
• 关键词: 实例分割 边界细化 深度可分离卷积 特征融合 掩码分支网络
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 信息工程
• 页码范围: 46-50,54
• 页数: 6页
• 分类号: TP391
• 字数: 4292字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1037.2019.02.10

摘要

提出了一种基于深度学习的精确图像分割方法.在Mask-R-CNN网络基础上给出一种实例分割网络.针对精确边界分割问题,提出通过重新设计掩码分支结构,来改善边界分割精度.在掩码分支上使用了前后层特征融合的方法可以更好的保留边缘信息.进一步通过增大RoIAlign层的分辨率,得到了更加精确的边界信息.在不影响算法精度的前提下采用深度可分离卷积减少了训练参数,提高了分割算法的效率.实验时通过比较mAP(平均准确率)的结果和检测定量图片需要的时间以及消耗的内存表明该算法的精确性和高效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘振宽	青岛大学计算机科学技术学院	141	1359	21.0	30.0
2	赵志刚	青岛大学计算机科学技术学院	66	495	13.0	19.0
3	陈茗杨	青岛大学计算机科学技术学院	1	0	0.0	0.0
4	于晓康	青岛大学计算机科学技术学院	2	8	1.0	2.0