L'objectif de la segmentation d'instance est de classifier et localiser un objet individuel à l'aide de masques d'instance au niveau des pixels. C'est une tâche défi dans la vision par ordinateur, présentant actuellement des problèmes tels que la lenteur de la segmentation, la faible précision de segmentation des petits objets, et les bords de segmentation irréguliers. Pour ces problèmes, une méthode de segmentation d'instance basée sur le contour de l'objet est proposée. D'une part, des caractéristiques sont extraites des nœuds sur le contour de l'objet, ce qui permet d'accélérer la vitesse de segmentation en évitant de traiter les pixels internes de l'objet sans subir l'influence des boîtes de détection; d'autre part, un traitement de segmentation progressif est appliqué à l'image, avec une extraction multi-niveaux des caractéristiques du contour de l'objet et une méthode de fusion multiscale, afin de mieux extraire les informations sémantiques contextuelles et réduire la perte de caractéristiques. Les résultats expérimentaux montrent que l'algorithme présenté atteint une précision moyenne de segmentation de 32,4% AP et 32,0% AP sur les ensembles de données Cityscapes et KINS respectivement, surpassant plusieurs travaux remarquables actuels, avec de meilleurs résultats sur la douceur et l'adhérence des bords de segmentation des objets. Les expériences démontrent que le réseau de segmentation d'instance basé sur le contour de l'objet possède de bonnes capacités de segmentation dans la tâche de segmentation d'instance.

Détection d'objets;Segmentation d'instance;Déformation du contour;Convolution circulaire;Fusion multiscale;Segmentation progressive