-
题名基于YOLACTR的无锚框实例分割算法
- 1
-
-
作者
梅婷
赵敬伟
林珊玲
谢子昱
林志贤
郭太良
-
机构
福州大学物理与信息工程学院
中国福建光电信息科学与技术创新实验室
福州大学先进制造学院
-
出处
《光电工程》
北大核心
2025年第5期11-23,共13页
-
基金
国家重点研发计划(2021YFB3600603)
国家自然科学基金青年科学基金(62101132)。
-
文摘
针对基于边界框检测的单阶段YOLACT算法缺少对感兴趣区域进行定位提取,且两个边界框存在相互重叠而难以区分的问题,基于改进的YOLACTR算法,提出一种无锚框实例分割方法,将掩码生成解耦成特征学习和卷积核学习,利用特征聚合网络生成掩码特征,将位置信息添加到特征图,采用多层Transformer和双向注意力来获得动态卷积核。实验结果表明,该方法在MS COCO公共数据集的掩码精度(AP)达到35.2%,相对于YOLACT算法,掩码精度提升25.7%,小目标检测精度提升37.1%,中等目标检测精度提升25.8%,大目标检测精度提升21.9%。相较YOLACT、Mask R-CNN、SOLO等方法,所提算法在分割精度和边缘细节保留方面均具有明显优势,特别在重叠物体的分割和小目标检测中表现更为出色,有效解决传统方法在实例边界重叠区域的错误分割问题。
-
关键词
YOLACT
无锚框实例分割
动态卷积
TRANSFORMER
-
Keywords
YOLACT
anchor-free instance segmentation
dynamic convolution
Transformer
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于无锚框分割网络改进的实例分割方法
被引量：4
- 2
-
-
作者
刘腾
刘宏哲
李学伟
徐成
-
机构
北京联合大学北京市信息服务工程重点实验室
北京联合大学机器人学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2022年第9期239-247,253,共10页
-
基金
国家自然科学基金(61871039,62102033,62171042,61906017)
北京市教委项目(KM202111417001,KM201911417001)
+2 种基金
视觉智能协同创新中心项目(CYXC2011)
北京联合大学学术研究项目(ZB10202003,ZK40202101,ZK120202104)
北京联合大学研究生科研创新项目(YZ2020K001)。
-
文摘
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。
-
关键词
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
-
Keywords
anchor-free instance segmentation
Deep Learning(DL)
encoder-decoder structure
attention mechanism
dilated convolution
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
