63对 图4目标检测模块 Fig.4 Object detection module 1.4“筛选模板”策略 YOLACT为了改善小目标的分割效果，在预测时使用目标预测框对加权组合产生的模板进行 裁剪，在训练时对真实的边界框进行裁剪，仅保留目标预测框内的份割结果，且并未对输出的结果 进行去噪。这样一来，当目标预测框准确的时候，没有什么影响，但是当目标预测框不准确的时候， 噪声将会被带入实例模板，造成一些“泄露”（意即目标预测框内含洧其他实例的一部分，但这部 分被识别为当前实例的情况)。当两个目标离得很远的时候也会发生“泄露”的情况，因为裁剪的 过程会将当前实例模板的学习内容限定在预测边界框内，裁剪相当于告诉网络远处的目标已经被排 除在外了，不用网络去学习。但是假如目标预测框很么那么该预测模板将包括那些离得很远的实 例的一部分模板，这部分模板对于网络来讲就是噪网路并不知道应该将这部分模板与当前实例 预测模板分开，就造成了“泄露”。在目标预测框比实际边界框偏小的情况下，使用目标预测框对 合成模板裁剪就会破坏原有合成模板边缘的完整性部分分割区域被切割掉之后分割出的模板会出 现直线边缘，使模板的质量下降，如图5(c)所示。 针对这一问题，本文在使用YOLACT进行推理时，去掉了原网络中的“裁剪模板”结构，但 是去掉裁剪模板结构后，在推理分割模板中会出现多余的误检区域。YOLACT预测的检测框和模板 是一一对应的，并且在检测框检测准确的情况下，模板中对应该实例的分割区域应该在检测框内， 基于这一特点，为去掉误检区域， 本文提出了“筛选模板”策略，表达式为： mask area, (2) IOU(pred box area_box)=max(IOU(pred_box,area_box))Vi (3) 其中，aea,表示预测模板中第)个独立分割区域，area_box,表示第j个独立分割区域形成的外接 矩形框。筛选模板策略中首先对于预测模板中的每个独立区域i都生成外接矩形如图5()所示，然后 依次计算预测模板对应的预测边界框与每个独立区域外接矩形amea_box之间的交并比值，利用算 出的最大的交并此对应的独立区域生成一个新的模板代替原来的模板如图5()所示，这样得到的模 板边缘完整精确、并且没有误检区域。 (a)b)(c)(d(e) 图5模板处理.()原图：(b)边框和模板预测结果：(c)裁剪模板结果：(d)各区域外接矩形，(e)筛选模板结果69*69 *256 69*69 *256 69*69 *3*4 69*69 *3*c 69*69 *3*k (69*69*3, 4) (69*69*3, c) (69*69*3, k) Change shape Class Mask Change shape Change shape Box (69*69*3, k) tanh 图 4 目标检测模块 Fig.4 Object detection module 1.4 “筛选模板”策略 YOLACT 为了改善小目标的分割效果，在预测时使用目标预测框对加权组合产生的模板进行 裁剪，在训练时对真实的边界框进行裁剪，仅保留目标预测框内的分割结果，且并未对输出的结果 进行去噪。这样一来，当目标预测框准确的时候，没有什么影响，但是当目标预测框不准确的时候， 噪声将会被带入实例模板，造成一些“泄露”（意即目标预测框内含有其他实例的一部分，但这部 分被识别为当前实例的情况）。当两个目标离得很远的时候也会发生“泄露”的情况，因为裁剪的 过程会将当前实例模板的学习内容限定在预测边界框内，裁剪相当于告诉网络远处的目标已经被排 除在外了，不用网络去学习。但是假如目标预测框很大，那么该预测模板将包括那些离得很远的实 例的一部分模板，这部分模板对于网络来讲就是噪声，网络并不知道应该将这部分模板与当前实例 预测模板分开，就造成了“泄露”。在目标预测框比实际边界框偏小的情况下，使用目标预测框对 合成模板裁剪就会破坏原有合成模板边缘的完整性，部分分割区域被切割掉之后分割出的模板会出 现直线边缘，使模板的质量下降，如图 5(c)所示。 针对这一问题，本文在使用 YOLACT 进行推理时，去掉了原网络中的“裁剪模板”结构，但 是去掉裁剪模板结构后，在推理分割模板中会出现多余的误检区域。YOLACT 预测的检测框和模板 是一一对应的，并且在检测框检测准确的情况下，模板中对应该实例的分割区域应该在检测框内， 基于这一特点，为去掉误检区域，本文提出了“筛选模板”策略，表达式为： mask area  j （2） IOU( _ , _ ) max(IOU( _ , _ )) j i pred box area box pred box area box i   （3） 其中， j area 表示预测模板中第 j 个独立分割区域， area box _ j 表示第 j 个独立分割区域形成的外接 矩形框。筛选模板策略中首先对于预测模板中的每个独立区域i 都生成外接矩形如图 5(d)所示，然后 依次计算预测模板对应的预测边界框与每个独立区域外接矩形 _ i area box 之间的交并比值，利用算 出的最大的交并比对应的独立区域生成一个新的模板代替原来的模板如图 5(e)所示，这样得到的模 板边缘完整精确，并且没有误检区域。 (a) (b) (c) (d) (e) 图 5 模板处理. (a) 原图; (b) 边框和模板预测结果; (c) 裁剪模板结果; (d) 各区域外接矩形; (e) 筛选模板结果 录用稿件，非最终出版稿