论文部分内容阅读
近年来,实例分割技术正受到越来越多的关注。MaskR-CNN实例分割方法是实例分割领域中的重要方法,但是用Mask R-CNN方法得到的结果中,每个分割出的实例的边缘往往不够理想,无法与真正的边缘完全吻合。针对此问题,提出了一种用显著性目标提取方法得到的结果与Mask R-CNN实例分割结果相结合的方法,从而得到更好的实例分割边缘。首先,利用MaskR-CNN对图片进行识别,得到实例分割的结果。然后用PoolNet对待检测图片进行处理,得到图片中的显著物体信息。最后用PoolNet的结果对实例分割的