文献类型：期刊文章

作　　者：温尧乐[1,4] 李林燕[2] 尚欣茹[1] 胡伏原[1,3]

Wen Yaole;Li Linyan;Shang Xinru;Hu Fuyuan(School of Electronic and Information Engineering,Suzhou University of Science and Technology,Suzhou 215009,Jiangsu,China;Suzhou Institute of Trade and Commerce,Suzhou 215009,Jiangsu,China;Virtual Reality Key Laboratory of Intelligent Interaction and Application Technology of Suzhou,Suzhou University of Scienceand Technology,Suzhou 215009,Jiangsu,China;Suzhou Key Laboratory for Big Data and Information Service,Suzhou University of Science and Technology,Suzhou 215009,Jiangsu,China)

机构地区：[1]苏州科技大学电子与信息工程学院,江苏苏州215009 [2]苏州经贸职业技术学院,江苏苏州215009 [3]苏州科技大学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 [4]苏州科技大学苏州市大数据与信息服务重点实验室,江苏苏州215009

出　　处：《计算机应用与软件》

基　　金：国家自然科学基金项目(61876121,61472267,61672371);江苏省重点研发计划项目(BE2017663)

年　　份：2019

卷　　号：36

期　　号：10

起止页码：130-133

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、IC、JST、ZGKJHX、核心刊

摘　　要：实例分割需要兼顾像素级的分类准确性和目标实例级的高级语义特性,非常具有挑战性。由于特征金字塔网络低层特征到高层特征的融合路径太长,导致低层特征在整个特征层次中的作用较弱。在特征金字塔网络的基础上,引入一条自下而上的路径来增强整个特征层次,缩短较低层特征与顶部特征之间的融合路径,增强低层特征在整个特征层次中的作用;在卷积神经网络中引入空洞卷积算法扩大卷积感受域,进一步提升掩膜预测准确度。在MicrosoftCOCO数据集测试结果表明,该方法有效提高了实例分割的准确度。

关 键 词：实例分割  特征融合  卷积神经网络 空洞卷积  

分 类 号：TP391.41]