软件学报

作者：王子愉,袁春,黎健成

单位：王子愉，清华大学 计算机科学与技术系, 北京 10008411,袁春，清华大学 深圳研究生院, 广东 深圳 51800002,黎健成，清华大学 深圳研究生院, 广东 深圳 51800003

关键词：实例分割;可分离卷积;边界细化;多级特征

基金：国家自然科学基金（U1833101）；深圳市基础研究资助项目（JCYJ20160428182137473）；腾讯清华大学联合研究中心资助项目

实例分割是一项具有挑战性的任务，它不仅需要每个实例的边界框，而且需要精确的像素级分割掩码.最近提出的端到端的全卷积实例感知分割网络（FCIS）在检测与分割的结合方面做得很好.但是，FCIS没有利用低层特征，而低层次的特征信息在检测和分割上都证明是有用的.在FCIS的基础上，提出了一种新的模型，充分利用了各层次的特征，并对实例分割模块进行了优化.该方法在检测分支中使用了具有大型卷积核的可分离卷积来获得更精确的边界框.同时，设计了一个包含边界细化操作的分割模块，以获得更精确的掩模.此外，将Resnet-101网络中的低级、中级和高级特征组合成4个不同级别的新特征，每个新特征都被用于生成实例的掩码.这些掩码被相加之后通过进一步细化以产生最终的最精确的掩模.通过这3项改进，实验结果表明，该方法明显优于基线方法FCIS，相比于FCIS，该方法在PASCAL VOC数据集上的评测指标mAPr@0.5和mAPr@0.7分别提高了4.9%和5.8%.

来源：2019年第4期

《软件学报》期刊编辑部

查看软件学报杂志2019年第4期