实例特征深度链式学习全景分割网络
Optics and Precision Engineering（2020）
摘要
针对全景分割中实例目标边缘特征提取不足导致目标边界分割失效的问题,提出一种创新的实例特征深度链式学习全景分割网络.该网络由基本的链式单元组合而成,根据单元结构对特征信息处理方法的不同,链式单元分为特征保持链和特征增强链两种.特征保持链是链式网络特征提取过程的输入级,保证输入信息的完整性,而后将特征传递到特征增强链结构;特征增强链通过自身的拓展来加深网络深度,提升特征提取能力.链式学习网络由于具有良好的深度堆叠特性,可以获取丰富的边缘特征信息,提高分割精度.在MS COCO和Cityscapes数据集上的实验结果表明,本文提出的实例特征深度链式学习全景分割网络在分割精度上优于现存同类方法,与全景分割网络常用的Mask RCNN实例分割结构相比,分割准确率最高提升了0.94％.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要