基于快速区域建议网络的图像多目标分割算法

黄劲潮

龙岩学院信息工程学院, 福建 龙岩 364000

收稿日期:2017-11-23出版日期:2018-08-20发布日期:2017-11-23

作者简介:黄劲潮(1980— ),男,福建莆田人,讲师,硕士,主要研究方向为数据库,模式识别,人工神经网络.E-mail:huangjinchao2017@163.com

A new method for muti-objects image segmentation based on faster region proposal networks

HUANG Jinchao

College of Information and Engineering, Longyan University, Longyan 364000, Fujian, China

Received:2017-11-23Online:2018-08-20Published:2017-11-23

摘要/Abstract

摘要： 针对传统方法在语义分割中存在大量冗余、结果重叠,造成图像分割算法的结果正确率、鲁棒性较差等问题,提出一种基于快速区域建议网络的图像多目标分割算法。使用选择性搜索(selective search, SS)算法给出初始候选框;采用快速区域建议网络从初始候选框中分类出初始分割框;使用图割算法(GrabCut)从初始分割框中分割出多目标。为了验证本研究算法,采用ImageNet上预训练的VGG16模型,分别使用COCO数据集和CityScapes数据集的训练数据对VGG16模型微调,使用测试数据进行语义分割和多目标图像分割。与YOLO(you only look once,)算法相比,本算法在两个数据集上的平均正确率分别提高了2.16%和1.55%。GrabCut算法在快速区域建议网络的初始分割框上,对多目标的分割更精确,鲁棒性更强。本研究构建的算法通过区域建议网络的得分筛选多目标分割的候选框,保留高得分的候选框来提升图像多目标分割的精度,在多目标的模式识别场合中拥有广泛前景。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=171