一种基于改进Mask R-CNN的遮挡目标分割方法

本发明提供一种基于改进Mask R‑CNN的遮挡目标分割方法，以Mask R‑CNN为深度神经网络框架，首先，改进特征提取网络，得到更加丰富的图片特征信息，提高网络检测的精确度；其次，改进边界框回归损失函数，保证目标检测结果的准确度；最后，改进非极大值抑制算法，减少候选框被错误抑制的可能，减少漏检的情况发生。本发明可以通过不断对网络进行学习训练，有效地检测出图片中的遮挡目标，并且为每一个目标生成一个高质量的实例分割掩码，具有很高的工程应用价值。