基于语义分割的两阶段抓取检测算法

提出了基于爬网的目标检测算法和基于爬网的目标检测算法两个复杂的场景检测问题：基于爬网的目标检测和基于爬网的目标检测。首先，该算法使用ResNet－101作为特征提取的主干网络，并提出了在不同卷积模块上使用特征金字塔网络（FPN）连接的方法。然后，在第一阶段，使用改进的Aristole r-CNN进行捕获检测，在第二阶段，使用语义分割预测像素的分类。最后，提出了一种特征融合模块。这两个阶段的结果作为特征融合的输入，用于计算准确的捕获候选框。该模型在Cornell数据集上进行训练，图像分割检验的准确率为98.2%。它可以实时检测目标并生成捕获帧。