论文部分内容阅读
针对当前的实例分割算法无法分割两个高度重叠的人体对象,且量化的Mask实例与其ground truth之间的IoU的Mask质量通常与分类分数相关性不强等问题,利用人体骨骼和姿态来对人体进行分割,增加一个全新的Evaluation模块,利用预测Mask与ground truth之间的IoU来描述实例分割质量,提出了一种直接学习IoU的网络,能够提高实例分割的质量。为了获得更加丰富的特征信息,采用ResNet和FPN网络进行特征提取,融合多层特征的信息,使分割结果更加准确。实验结果表明,提出的网络框架