基于Mask R-CNN和多特征融合的实例分割

• 作者: 姜世浩 王来花 贾惠 齐苏敏
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 实例分割 深度学习 Mask R-CNN 全卷积网络 特征融合
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 65-70
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2020.09.012

摘要

为了能够充分地利用图像特征信息,提升实例分割的效果,提出了一种基于Mask R-CNN网络结构和多特征融合的实例分割模型.首先,在Mask R-CNN模型的基础上引入两条分支:一条基于整体嵌套边缘检测(HED)模型的边缘检测分支生成偏重于边缘信息的边缘特征图,一条基于全卷积网络(FCN)的语义分割分支生成偏重于空间位置信息的语义特征图.然后,在进行感兴趣区域对齐(ROIAlign)时,为了充分利用特征金字塔的各层信息,将感兴趣区域(ROI)同时映射到相应的金字塔层及其相邻层.最后,融合以上得到的多个特征图,生成信息更加丰富的新特征用于后续的检测和分割任务.实验结果表明,该方法有效提高了检测和分割的准确性.在使用Resnet50-FPN作为骨干网络且没有附加条件的情况下,与Mask R-CNN相比,该模型的检测和分割平均精度(mAP)分别提升了1.2％和1.0％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	齐苏敏		20	62	5.0	7.0
2	王来花		9	5	2.0	2.0
3	姜世浩		2	0	0.0	0.0
4	贾惠		2	0	0.0	0.0