擬装対象のセグメンテーションタスクは、背景と非常に類似した対象をピクセル単位のセグメンテーションマスクを用いて正確に分類および定位することであり、従来の対象セグメンテーションタスクに比べてより困難です。対象と周囲環境の高い類似性、境界のあいまいさ、コントラストの低さといった問題に対処するために、境界強調と特徴融合に基づく擬装対象セグメンテーション手法を構築しました。まず、有効な境界事前情報をより正確にセグメント化できる一連の境界抽出モジュールを設計しました。次に、多尺度特徴強調モジュールと層間特徴集約モジュールを導入し、それぞれ層内および層間の多尺度コンテキスト情報を掘り下げました。隣接層間の差異を利用して融合後に存在する干渉情報を効果的に除去する簡単な層間注意モジュールを提案しました。最後に、各レベルの特徴マップと境界事前情報を段階的に結合することで、正確な予測結果を得ました。実験結果は、4つの擬装対象ベンチマークデータセットにおいて本モデルが他のアルゴリズムよりも優れていることを示しました。加重F値は2.4%、平均絶対誤差は7.2%改善し、RTX 2080Ti環境下でのセグメンテーション速度は44.2 FPSに達しました。既存の手法と比較して、本アルゴリズムは擬装対象をより正確にセグメント化できます。

ディープラーニング;擬装対象;画像セグメンテーション;境界特徴;特徴融合