论文部分内容阅读
流行的实例分割网络Mask R-CNN在进行实例分割时,存在目标分割边界和分割轮廓粗糙的问题,导致分割精度低。针对此问题,提出在Mask R-CNN分割分支中引入网络的低层卷积特征进行高精度的实例分割方法。首先从特征提取网络中选择特征,通过插值算法将其缩放至固定尺度(输入图像的1/8)作为低层特征;然后通过RoI对齐操作提取当前待分割目标的特征后与原始的Mask R-CNN的分割分支对应目标的特征进行拼接,并将其作为精细化目标分割的特征。低层网络特征引入了更多的低级纹理和轮廓信息,可以有效地提高物体