基于注意力机制的实例分割算法

摘要：

实例分割作为计算机视觉领域极具挑战性的任务之一,要求在图像分类的基础上为每一个物体生成像素级别的分割掩码.业界主流方案可分为自上而下和自下而上两种范式,自上而下范式又可分为双阶段分割和单阶段分割.单阶段分割方案为了提高推断速度,往往使用全图卷积操作取代双阶段分割方案中先检测后分割的策略.然而,卷积网络的平移不变性使得同一种类的不同实例提取到的特征相似,仅靠全图卷积难以进行区分,从而导致单阶段分割方案精度下降.针对单阶段分割精度降低的问题,提出了一种注意力机制,该机制在特征图每个位置的特征向量上进行点积运算,并将运算结果作为新的特征图,同一位置点积结果最大化,不同位置点积结果最小化,以丰富特征图中不同实例的差异信息.通过注意力机制使得单阶段分割方案中的全图卷积操作能更好地区分同一种类的不同实例,从而生成高质量分割掩码.在公开数据集上进行实验,验证了所提方法的有效性.

关键词：实例分割;单阶段分割;注意力机制

所属期刊栏目：8

分类号：TP391(计算技术、计算机技术)

资助基金：国家杰出青年科学基金;国家自然科学基金;广东省基础与应用基础研究基金;中央高校基本科研业务费

在线出版日期：2021-12-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：28-34