梁正兴，王先兵，何 涛，吴中鼎，张 嘉

实例分割和边缘优化算法的研究与实现

梁正兴1，王先兵1，何 涛2，吴中鼎3，张 嘉3

(1. 武汉大学国家网络安全学院，湖北 武汉 430000； 2. 中国科学院计算技术研究所，北京 100080； 3. 贵阳铝镁设计研究院有限公司，贵州 贵阳 550000)

近年来，实例分割技术正受到越来越多的关注。Mask R-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Mask R-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掩码图边缘进行优化，从而得到边缘更好的实例分割结果。经过测试，该方法可以对绝大多数待检测目标较为显著的图片在一些重要指标上得到比Mask R-CNN更好的分割结果。

实例分割；Mask R-CNN；显著性目标；边缘优化；掩码信息

图像分割是计算机视觉对一幅图像进行后续处理的基础，计算机视觉离不开图像分割技术。因此，其是计算机视觉中的经典问题，同时也是最难的问题之一。

早期的图像分割技术主要有基于阈值[1]的分割方法、基于边缘检测[2]的分割方法、基于小波分析和小波变换[3]的分割方法、基于遗传算法[4]的图像分割以及基于主动轮廓[5]模型的分割方法等。……