10.13700/j.bh.1001-5965.2021.0527
真实场景水下语义分割方法及数据集
随着水下生物抓取技术的不断发展,高精度的水下物体识别与分割成为了挑战.已有的水下目标检测技术仅能给出物体的大体位置,无法提供物体轮廓等更加细致的信息,严重影响了抓取效率.为了解决这一问题,标注并建立了真实场景水下语义分割数据集DUT-USEG,该数据集包含6617张图像,其中1487张具有语义分割和实例分割标注,剩余5130张图像具有目标检测框标注.基于该数据集,提出了一个关注边界的半监督水下语义分割网络(US-Net),该网络通过设计伪标签生成器和边界检测子网络,实现了对水下物体与背景之间边界的精细学习,提升了边界区域的分割效果.实验表明:所提方法在DUT-USEG数据集的海参、海胆和海星3个类别上相较于对比方法提升了6.7%,达到了目前最好的分割精度.
水下生物抓取、语义分割、半监督学习、弱监督学习、边界检测
48
TP37;TP242.6(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金
2022-09-05(万方平台首次上网日期,不代表论文的发表时间)
共10页
1515-1524