基于无锚框分割网络改进的实例分割算法
Improved instance segmentation method based on anchor-free frame network作者机构: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 版 物:《计算机工程》 (Computer Engineering)
年 卷 期:2021年
学科分类:08[工学] 080203[工学-机械设计及理论] 080204[工学-车辆工程] 0802[工学-机械工程]
基 金:国家自然科学基金(61871039,62102033,62171042,61906017) 北京市教委项目(KM202111417001,KM201911417001) 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资助项目(YZ2020K001)
摘 要:在无人驾驶的应用场景中,实例分割是一项关键任务。针对现阶段无锚框实例分割算法中存在的三个的问题,提出一种基于无锚框分割网络改进的实例分割网络。首先结合可变形卷积设计了并行的编码-解码式特征提取器,解决尺度不对齐问题;其次,使用空洞卷积和合并连接的方式等方法,改进特征融合部分,解决了区域不对齐问题;最后,在回归分支中结合空间和位置注意力机制,提高目标检测能力,解决任务不对齐问题。本文提出的方法在COCO 2017数据集上AP值达到了41.1%,在Cityscapes数据集上mIOU达到了83.3%,分割效果均领先于基准方法。试验结果表明,提出的算法能很好的解决无锚框实例分割网络对特征提取不充分等问题,在不同的数据集上具有较强的鲁棒性。