科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着水下生物抓取技术的不断发展，高精度的水下物体识别与分割成为了挑战。已有的水下目标检测技术仅能给出物体的大体位置，无法提供物体轮廓等更加细致的信息，严重影响了抓取效率。为了解决这一问题，标注并建立了真实场景水下语义分割数据集DUT-USEG,该数据集包含6 617张图像，其中1 487张具有语义分割和实例分割标注，剩余5 130张图像具有目标检测框标注。基于该数据集，提出了一个关注边界的半监督水下语义分割网络(US-Net),该网络通过设计伪标签生成器和边界检测子网络，实现了对水下物体与背景之间边界的精细学习，提升了边界区域的分割效果。实验表明：所提方法在DUT-USEG数据集的海参、海胆和海星3个类别上相较于对比方法提升了6.7%,达到了目前最好的分割精度。
- 单位
