TY -的A2 -张,振兴AU - Suh SungMin盟——公园、Yongeun AU - Ko, KyoungMin AU -杨,SeongMin AU -安,Jaehyeong AU - Shin Jae-Ki AU -金,SungHwan PY - 2021 DA - 2021/01/23 TI -加权面具R-CNN改善相邻边界分割SP - 8872947六世- 2021 AB -在最近人工智能的时代,分割大大先进的边界和对象实例检测尤其是在不同领域(例如,生物和环境研究)。尽管其进步,边缘检测在相邻的对象(例如,生物细胞)仍然是棘手的。这是因为同构和异构对象是容易被混杂在一个单一的形象。应对这一挑战,我们提出加权面具R-CNN旨在有效地分离重叠对象由于额外的重量相邻边界。在数值研究中,一系列的实验与应用程序执行模拟数据和真实数据(例如, 微胞藻属最常见的一种藻类属和细胞膜的图像)。值得注意的是,加权面具R-CNN优于标准的面具R-CNN,鉴于分析实验显示平均92.5%的精度和召回的96.4%海藻数据和94.5%的精度和召回在细胞膜数据的98.6%。因此,我们发现,大多数样品边界在真实和模拟数据中精确分割对象的混合物。SN - 1687 - 725 - 2021/8872947 / 10.1155 x你——https://doi.org/10.1155/2021/8872947——摩根富林明——《传感器PB - Hindawi KW - ER