基于多任务学习的全景分割方法研究

• 作者: 张丽红 李永慧
• 来源期刊: 测试技术学报
• 学科: 工学
• 关键词: 全景分割 多任务学习 特征金字塔网络 区域候选网络 实例分割
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 数据采集与图像处理
• 页码范围: 514-519
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7449.2020.06.010

摘要

本文提出了一种用于全景分割的多任务学习深层神经网络,其目标是为输入图像的每个像素提供类别标签和实例编号.该网络模型同时进行语义分割和实例分割预测,并把他们的预测结果组合起来形成全景分割的输出.首先,使用带有特征金字塔网络的ResNet50主干网络进行特征提取;然后,把提取的特征分别用于语义分割及实例分割分支,并在两个任务之间共享信息;最后,通过空间排序模块把两个子任务的输出结果融合,得到全景分割的最终输出结果.本文的网络模型在数据集Cityscapes与COCO上进行了训练与测试,实验结果表明,通过使用多任务学习方法,可以有效提高整个模型预测结果的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张丽红		44	191	8.0	12.0
2	李永慧		1	0	0.0	0.0