三重自适应解析网络

消除实例粘连

针对弱监督实例分割中固定阈值和固定增强导致的漏检与粘连问题，提出自适应峰值感知与收缩损失，获得可靠实例间关系。

Jingting, Xu · Cao, Rui · Luo, Peng · 慕德俊

Neural Networks 2025

参数信息

精度提升（COCO）

4.3 %

精度提升（Pascal VOC）

2.1 %

技术优势

不漏检

自适应峰值感知模块以特征平均度为学习基准来推断最佳阈值，避免统一固定阈值导致的漏检或误检。

不粘连

通过收缩损失抑制与均值偏离的异常响应，并消除不确定粘连，获得可靠的实例间关系，从而分离粘连实例。