基于无锚框分割网络改进的实例分割方法

作者：刘腾; 刘宏哲; 李学伟^*; 徐成

来源：计算机工程, 2022, 48(09): 239-253.

DOI：10.19678/j.issn.1000-3428.0062846

• 无锚框实例分割
• 深度学习
• 编码-解码结构
• 注意力机制
• 空洞卷积

在无人驾驶应用场景中，现有无锚框实例分割方法存在大目标特征覆盖小目标特征、缺少两阶段检测器中的感兴趣区域对齐操作、忽略类别分支对掩膜分支提供的位置和空间信息等问题，导致特征提取不充分且无法准确获取目标区域。提出一种改进的无锚框实例分割方法。结合可变形卷积，设计编码-解码特征提取网络提取高分辨率特征，以增强对小目标特征的提取能力，并采用空洞卷积和合并连接的方式，在不增加计算量的前提下有效融合多种分辨率的特征。在此基础上，将注意力机制引入到类别分支中，同时设计结合空间信息和通道信息的信息增强模块，以提高目标检测能力。实验结果表明，该方法在COCO 2017和Cityscapes数据集上平均精度和平均交并比分别为41.1%和83.3%，相比Mask R-CNN、SOLO、Yolact等方法，能够有效改进实例分割效果并具有较优的鲁棒性。

• 单位
  北京联合大学