基于多层级特征融合的图像实例分割方法研究

发布时间：2024-05-18 05:36

　　近几年,随着深度学习理论与技术的发展,计算机视觉领域的相关研究也越来越深入,在图像分割领域则细化出语义分割和实例分割两个分支。实例分割的任务就是利用计算机将人感兴趣的物体提取出来,屏蔽掉背景等噪声信息。本论文针对实例分割任务,对国内外相关现状进行了总结,并对实例分割问题中的关键问题进行了研究。主要工作包括:(1)基于多阶特征融合的图像实例分割网络实例分割算法Mask-RCNN的语义分割分支网络采用简单的全卷积网络,性能有限。本文针对此分支网络进行改进,提出了特征融合模块和池化链模块。通过这两个模块的处理,不仅可以增强网络提取特征的性能,获取大背景下的图像上下文信息,同时还避免了因为卷积和池化的处理所导致的空间信息的丢失。在染色体数据集和植物数据集上的实验,表明本文的改进算法,在分割性能上有有着明显的提升。(2)融合自注意力机制和路径增强的图像实例分割网络传统的特征金字塔融合网络采用简单的特征相加,对于最高层级的特征图没有深度挖掘出有效信息,融合的方式也只是在二维空间进行。对此,本文提出了自注意力模块对最高层级特征图进行深入挖掘,从中提取多尺度信息并将之融合。并进一步设计了路径增强结构,...

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

图2.1M-P神经元模型

华侨大学硕士学位论文7第2章图像实例分割研究基础2.1神经网络基础及卷积神经网络近些年来，深度学习（DeepLearning，DL）在算法领域备受追捧，随着技术的发展，除了互联网，生活中很多领域都能够直接或间接的反映出深度学习带来的变革。而深度学习的基础就是神经网络（Neural....

图2.2全连接和局部连接示意图

华侨大学硕士学位论文8时间都没有得到很好地解决，直到反向传播算法的提出。BP算法的主要是使用链式法则对网络中的参数w和偏置b计算损失函数的梯度，之后再将得到的梯度值反馈给网络的最优化算法，比如SGD[39]，通过最优化算法来更新参数w，这样就可以实现损失函数的最小化，网络也就可以....

图2.3权值共享示意图

华侨大学硕士学位论文9的变化，这样的结构极大地减少了参数量。卷积网络的另一个优点就是权值共享。权值共享在卷积网络中主要是以卷积核去处理整张图像得到一个特征图[43]来实现的，这个过程称之为卷积。在整个卷积操作中，每一个卷积核所包含的神经元，它们的权值是相同的。具体可以参考图2.3....

图2.4传统目标检测流程

华侨大学硕士学位论文102.2.1传统目标检测传统的目标检测主要分为三个阶段进行，如图2.4所示。首先是使用一些算法在图像上进行建议区域的生成，将图像中可能存在目标的区域都提取出来，最常用的算法如SelectiveSearch[44]算法。之后对于已经确定的可能区域提取特征。在传....

本文编号：3976524