张华悦，张顺利，张 利

（清华大学电子工程系，北京 100084）

0 概述

近年来，深度学习技术的发展使得目标分割在自动驾驶、图像分析等领域得到广泛应用与发展，但以往对分割任务的研究主要集中于自动语义分割［1-3］、实例分割［4-6］和全场景分割［7-8］等方面，而对交互式目标分割算法的研究较少。当人在一张图中通过某种交互方式标注出自己感兴趣的目标时，交互式目标分割可以有针对性地将此目标物体从原图中分割出，因此，其在现实中应用更加广泛，如利用交互式分割在深度学习中对图像数据的实例进行像素级标注、在手机端的图像娱乐软件中进行目标抠图以及将该方法应用于平面图像设计或医学图像领域［9］等。

在交互式分割中，可以将交互方式分为单轮交互和多轮交互2种。文献［10］中的多轮交互方法通过第一次交互标出目标的边界框得到初步的分割结果，然后每次交互时通过标出错分区域来对上一轮分割结果进行修正，直到结果满意为止。由于多轮交互过程复杂且具有低效性，因此本文主要研究单轮交互方式。在单轮交互中，只通过初始的一次交互直接得到分割结果。文献［11］中的GrabCut算法和文献［12］中的水平集算法均基于传统机器学习算法进行分割，文献［13］中基于深度学习的DEXTR算法采用四点交互法（标注目标的最上、最下、最左、最右边界点），在ROI中进行大目标分割。

基于ROI的交互方式可以较好地继承和利用传统图像分割算法并在……