天津大学电气自动化与信息工程学院, 天津 300072
在基于卷积神经网络的目标检测算法中,浅层高分辨率特征包含更多细节信息,有助于抽象特征完成精确的定位任务;深层特征包含抽象的语义信息,更适合目标存在性预测任务。研究发现,现有的不基于先验框的检测方法直接在同一特征图上预测所有任务时,并没有匹配上述特征与预测任务,而这一特征与任务不匹配的问题限制了检测精度。为解决这一问题,提出了一种匹配目标多尺度特征与预测任务的实时目标检测算法,简称MFT检测器。以CenterNet检测器为基础,同时完成浅层细节特征与精确定位任务的匹配,多尺度多感受野抽象特征与目标存在性预测任务的匹配。实验结果表明,所设计的MFT检测器缓解了特征与预测任务不匹配的问题,从而显著提高了检测精度,且检测速度保持在94.5 frame/s,能够保证检测实时性。
激光与光电子学进展
2021, 58(12): 1210014
天津大学电气自动化与信息工程学院, 天津 300072
针对现有的实例分割方法PolarMask中分割结果边缘信息模糊的问题,通过对轮廓点角度偏置和距离的预测,基于轮廓点细化的单阶段实例分割网络准确提取出实例轮廓。同时,为了进一步提升实例分割的性能,利用语义分割子网络对实例边缘进行了进一步细化。实验结果表明,所提方法在大规模实例分割数据集MS COCO的测试集上的分割精度为32.5%,比现有的实例分割方法(PolarMask)提高了2.1个百分点,证明了所提方法的有效性。
机器视觉 实例分割 语义分割 深度学习 卷积神经网络 角度预测 光学学报
2020, 40(21): 2115001
