姚 砺， 高 傲， 张乃港， 吴昊然， 万 燕

（东华大学计算机科学与技术学院， 上海 201600）

0 引 言

人体实例分割指对于背景中需要检测出的人体进行提取和分割，是计算机视觉领域如医学影像、自动驾驶、三维重建等许多任务研究的前提。 实例分割是目标检测和语义分割两项任务的结合，目标检测主要有两种方式：单阶段方法和两阶段方法。 两阶段方法的第一阶段是通过不同的方式产生候选框，在第二阶段对这些候选框进行分类和微调位置，获取到检测的结果；单阶段方法直接对图片进行处理得到检测结果。 语义分割则是对输入图像中的每个像素点进行预测，判断其属于前景还是背景，从而将前景分割出来。

随着深度学习的发展，诞生了许多出色的实例分割算法。 Long J［1］等提出了FCN（Fully Convolutional Network）方法，将上采样和下采样方法引入图像分割领域中，针对像素分类有效的对目标进行分割；He 等人［2］提出了Mask R-CNN（Mask Region-based CNN） 算法，首先提取目标候选框，然后在候选框内使用FCN 进行分割，提升了分割精度，但Mask RCNN 算法对于一些不规则的物体，例如人、动物等在边缘上分割效果表现的较差；2018 年，Liu 等［3］在Mask R-CNN 的基础上，提出了一种两阶段实例分割算法PANet（Path Aggregation Network），通过特征金字塔和自适应池化进一步提升了获取特征的能力，但是在目标边缘上表现的仍然较差。

从以上几种方法能看出来，由于两阶段的做法先天依赖于第一阶段框选，导致算法丢失了物体的轮廓信息，从而很容易在不规则物体的边缘处分割较差。……