一种改进的Mask RCNN特征融合实例分割方法

• 作者: 尚欣茹 李林燕 温尧乐 胡伏原
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 实例分割 特征融合 卷积神经网络 空洞卷积
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 130-133
• 页数: 4页
• 分类号: TP391.41
• 字数: 2344字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.10.023

摘要

实例分割需要兼顾像素级的分类准确性和目标实例级的高级语义特性,非常具有挑战性.由于特征金字塔网络低层特征到高层特征的融合路径太长,导致低层特征在整个特征层次中的作用较弱.在特征金字塔网络的基础上,引入一条自下而上的路径来增强整个特征层次,缩短较低层特征与顶部特征之间的融合路径,增强低层特征在整个特征层次中的作用;在卷积神经网络中引入空洞卷积算法扩大卷积感受域,进一步提升掩膜预测准确度.在Microsoft COCO数据集测试结果表明,该方法有效提高了实例分割的准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡伏原	苏州科技大学电子与信息工程学院	34	230	7.0	15.0
5	李林燕		7	2	1.0	1.0
6	温尧乐	苏州科技大学电子与信息工程学院	1	1	1.0	1.0
10	尚欣茹	苏州科技大学电子与信息工程学院	1	1	1.0	1.0