论文部分内容阅读
针对现有多尺度实例分割算法定位精度不高、分割质量差的问题,提出了一种改进的Mask R-CNN多尺度实例分割算法。首先,采用训练数据增强的方法,强化样本细节特征,降低训练数据过拟合的风险;其次,在特征金字塔网络的基础上,通过侧边连接构建自底至顶的多路径网络信息流聚合方式,加强底层信息的利用率和传播效率;最后将该方法应用于足球机器人视觉系统。实验结果表明:相比Mask R-CNN算法,本算法在COCO数据集和自建机器人数据集的平均准确率分别提高4. 1%和3. 9%,并且分割质量得到了较大提升。