Ziel der Instanzsegmentierung ist die Klassifizierung und Lokalisierung einzelner Objekte mittels pixelgenauer Instanzmasken. Es handelt sich um eine herausfordernde Aufgabe im Bereich der Computervision, bei der aktuell Probleme wie langsame Segmentierungsgeschwindigkeit, niedrige Genauigkeit bei der Segmentierung kleiner Objekte und ungleichmäßige Segmentierungsränder bestehen. Um diese Probleme zu adressieren, wurde eine instanzsegmentierende Methode basierend auf der Zielkontur vorgeschlagen. Einerseits werden Merkmale von Knoten auf der Objektkontur extrahiert, wodurch eine Beschleunigung der Segmentierung ohne Beeinflussung durch die Erkennungsbox und ohne Verarbeitung von Pixeln innerhalb des Zielobjekts erreicht wird; andererseits wird eine progressive Segmentierung der Bilder durchgeführt, bei der Merkmale der Objektkontur auf mehreren Ebenen extrahiert werden und eine mehrskalige Fusionsmethode zur besseren Extraktion kontextueller semantischer Informationen und zur Reduzierung des Merkmalsverlusts verwendet wird. Experimentelle Ergebnisse zeigen, dass der Algorithmus dieser Arbeit im Cityscapes- und KINS-Datensatz eine durchschnittliche Segmentierungsgenauigkeit von 32,4 % AP bzw. 32,0 % AP erreichte und somit die Genauigkeit vieler aktueller Arbeiten übertrifft. Zudem wurden bessere Ergebnisse hinsichtlich Glätte und Anpassung der Objektsegmentierungsränder erzielt. Experimente zeigen, dass das instanzsegmentierende Netzwerk basierend auf der Zielkontur eine gute Segmentierungsfähigkeit bei der Instanzsegmentierungsaufgabe besitzt.

Zielerkennung;Instanzsegmentierung;Konturverformung;Kreisförmige Faltung;Mehrskalige Fusion;Progressive Segmentierung