科研之友
微信
新浪微博
Facebook
分享链接
摘要
YOLACT是实例分割中速度最快的算法之一，其分类置信度和定位准确度的低相关性会导致定位以及分割失败，针对这一问题，提出一种混合边界框评分的方法。在YOLACT的基础上，并行添加一个预测边界框交并比的分支，使用滑动平均绝对误差损失函数对此训练，将区域的交并比和分类置信度相乘作为边界框的评分，用此评分进行非极大值抑制，保留定位准确且分类置信度高的边界框；在特征金字塔网络的基础上添加一层自下而上的特征融合，增强了定位能力。在COCO2017和Pascal 2012 SBD测试集的实验结果表明，该方法将YOLACT的平均分割精度分别提高了3.2%和3.0%。
- 单位
