计算机工程

作者：周逸云, 万新军, 胡伏原, 陈昊

单位：1. 苏州科技大学 电子与信息工程学院, 江苏 苏州 215009;2. 苏州市虚拟现实智能交互及应用技术重点实验室, 江苏 苏州 215009;3. 苏州市大数据与信息服务重点实验室, 江苏 苏州 215009

关键词：计算机视觉,实例分割,联合注意,特征关联,掩膜预测

基金：国家自然科学基金(61876121)。

针对现有实例分割算法因目标特征表示不充分、模型捕获信息不完整等因素导致分割精度较低的问题，提出一种基于联合注意和特征关联的实例分割算法。该算法采用联合注意力机制，沿通道和空间两个不同维度对感兴趣区域特征进行权重优化，聚焦关键对象位置，实现目标特征表示，抑制冗余信息对实例检测和分割结果干扰。在此基础上，在分割阶段建立特征关联关系，充分挖掘实例内部各像素点相似性，加强网络对实例部分的细节特征感知，实现高质量的掩膜预测。此外，通过引入协调损失函数监督检测中分类和回归任务产生一致预测，提高目标对象检测的准确性，进一步提升分割性能。在MS COCO 2017和Cityscapes两个数据集上进行实验验证，结果表明：该算法能够有效提高各现实场景下实例的检测和分割质量。当主干网络为ResNet-50/101时，该算法在COCO数据集上的掩膜平均精度分别达到37.5%和38.6%，较基线方法Mask R-CNN分别提高1.9和2.4个百分点；在Cityscapes验证集和测试集上，该算法较Mask R-CNN在主干网络为ResNet-50时分别提高2.4和2.5个百分点。

来源：2023年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第6期