典型文献
融合多尺度边界特征的显著实例分割
文献摘要：
对感兴趣的对象进行定位是计算机视觉应用的一个基础任务.显著实例分割通过对视觉上具有显著性的物体进行检测并对其进行像素级分割,可以获得感兴趣的实例类.单阶段显著实例分割网络(S4Net)为利用目标对象和其周围背景的特征分离能力,设计了一个新的区域特征抽取层ROIMasking.但由于卷积神经网络自身的特性,多次的卷积和上采样会造成实例边界信息缺失,导致边界分割粗糙,影响分割的精度.为了解决显著实例分割中的边界信息丢失问题,在S4Net的基础上借鉴目标边缘检测方法,提出了一种结合边界特征的端到端显著实例分割方法(MBCNet).该方法设计了一个多尺度融合的边界特征提取分支,利用带有混合空洞卷积和残差网络结构的边界细化模块强化对实例边界信息的提取,并通过网络共享层实现了边界信息的传递;同时,为提高分割的精度,提出了一个新的边界-分割联合损失函数,实现了在同一个网络中对目标边界特征提取分支和实例分割分支的同步训练.实验结果显示,提出的方法在saliency instance数据集上的mAP0.5和mAP0.7分别达到88.90％和67.94％,比目前主流的显著实例分割方法S4Net分别提升了2.20个百分点和4.24个百分点.
文献关键词：
显著实例分割;边缘检测;边界细化;边界-分割联合训练
中图分类号：
作者姓名：
何丽;张红艳;房婉琳
作者机构：
天津财经大学 理工学院,天津 300222
文献出处：
引用格式：
[1]何丽;张红艳;房婉琳-.融合多尺度边界特征的显著实例分割)[J].计算机科学与探索,2022(08):1865-1876
A类：
显著实例分割,S4Net,ROIMasking,MBCNet
B类：
边界特征,感兴趣,计算机视觉应用,对视,行像,像素级,单阶段,实例分割网络,特征分离,区域特征,特征抽取,上采样,信息缺失,界分,信息丢失,边缘检测,端到端,分割方法,方法设计,一个多,多尺度融合,取分,混合空洞卷积,残差网络结构,边界细化,网络共享,共享层,联合损失函数,同一个,saliency,instance,mAP0,比目,百分点,联合训练
AB值：
0.283378
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。
