典型文献
基于改进YOLACT++的碧根果图像实例分割模型
文献摘要：
针对碧根果加工生产线上存在果壳掉落、堆叠及打光阴影造成碧根果图像检测精度低的问题,提出一种改进的YOLACT++实例分割算法.在主干网络中采用引入了注意力机制的Res2Net模块用于增强主干网络的特征提取能力,抑制无效背景信息的干扰;在边界框回归损失函数中引入CIoU损失函数,更精确地评价预测框与真实框的位置关系,用于提高预测框的检测精度;将DIoU与Fast NMS结合,加强对重叠度高的候选框的筛选能力,改善预测框误检的问题.碧根果数据集上的实验表明:相比改进前,该算法的掩膜与预测框mAP分别提升5.18％、5.49％.COCO数据集上的实验结果表明:改进的算法对于不同尺寸物体分割精度优于BlendMask等先进算法.
文献关键词：
实例分割;碧根果检测;Res2Net模块;CIoU损失函数
中图分类号：
作者姓名：
王祥;舒军;雷建军;杨莉
作者机构：
湖北工业大学 电气与电子工程学院,武汉 430068;湖北第二师范学院 计算机学院,武汉 430205
文献出处：
引用格式：
[1]王祥;舒军;雷建军;杨莉-.基于改进YOLACT++的碧根果图像实例分割模型)[J].中南民族大学学报（自然科学版）,2022(05):613-622
A类：
YOLACT++,BlendMask,碧根果检测
B类：
图像实例分割,分割模型,加工生产线,果壳,掉落,堆叠,打光,光阴,阴影,图像检测,检测精度,分割算法,主干网络,注意力机制,Res2Net,特征提取能力,背景信息,边界框回归损失函数,CIoU,评价预测,位置关系,DIoU,Fast,NMS,重叠度,候选框,进前,掩膜,mAP,COCO,不同尺寸
AB值：
0.403632
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
