基于Mask Scoring R-CNN的高质量数据集快速自动标定方法

作者：胡馨月; **^*; 王军; 马磊; 黄懿涵; 刘益剑

来源：计算机测量与控制, 2023, 31(04): 232-238.

DOI：10.16526/j.cnki.11-4762/tp.2023.04.036

• 目标检测
• 实例分割
• 迁移学习
• 高质量数据集
• 快速自动标定

针对计算机视觉领域人工标定多目标数据集时间冗长的问题，提出一种基于Mask Scoring R-CNN的高质量数据集快速自动标定方法；首先，设计了高质量数据集快速自动标定架构，训练数据自动标定模型并搭建目标分类与标定系统；其次，在对比不同残差网络及引入迁移学习基础上，进一步研究了基于MaskIoU Head的多目标掩膜标定质量评价方法，完成基于Mask Scoring R-CNN的多目标高质量数据集快速自动标定方法设计；最后，以车辆数据为例进行数据集快速自动标定方法验证，实验结果表明，相较于Mask R-CNN和Faster R-CNN方法，Mask Scoring R-CNN方法具有目标数据分类效果好及掩膜分割精度高的优点，检测准确率达到93.4%,且标定速度相较于人工标定速度提升了95.77%。

• 单位
  南京师范大学