一种基于预测目标密集边界点的单阶段实例分割方法

摘要

本发明公开了一种基于预测目标密集边界点的单阶段实例分割方法。人类可以很容易的通过物体边界来定位物体，而无需对物体的每个像素做判断。本发明将实例分割任务转变为三个并行任务：实例中心分类、密集边界点的位置和属性预测，然后通过对预测的边界点插值的方法获得实例分割掩码图像。另外，本发明提出更有效的处理高质量中心样例的方法和新的堆叠卷积结构来进一步提高分割性能。通过很少的改动就可以把该实例分割架构转变成检测架构，统一了分割和检测任务。本发明相比于前人提出的二阶段边界点预测方法具有更少的浮点运算次数和参数量，且优于大多数单阶段实例分割方法，有助于推动实例分割领域向目标边界点学习的方向发展。