基于轮廓点掩模细化的单阶段实例分割网络
针对现有的实例分割方法PolarMask中分割结果边缘信息模糊的问题,通过对轮廓点角度偏置和距离的预测,基于轮廓点细化的单阶段实例分割网络准确提取出实例轮廓.同时,为了进一步提升实例分割的性能,利用语义分割子网络对实例边缘进行了进一步细化.实验结果表明,所提方法在大规模实例分割数据集MS COCO的测试集上的分割精度为32.5%,比现有的实例分割方法(PolarMask)提高了2.1个百分点,证明了所提方法的有效性.
机器视觉、实例分割、语义分割、深度学习、卷积神经网络、角度预测
40
TP391.4(计算技术、计算机技术)
国家自然科学基金;国家科技重大专项
2021-03-02(万方平台首次上网日期,不代表论文的发表时间)
共9页
107-115