【摘要】针对空间科学实验中复杂场景下细胞图像难以精细准确分割的问题，提出了基于MaskR-CNN的实例分割新算法———基于密集特征金字塔的实例分割网络(DFP-Mask)。该算法在
特征金字塔网络自顶向下的特征传输过程中以密集连接的方式控制多尺度特征图间的信息传递，将高层语义结构信息传递至所有低层特征，提高低层特征的语义理解能力，从而提升多尺度特征的目标识别能力。实验选用天舟一号小鼠肝卵圆细胞图像数据，数据集中包涵 200张背景复杂且有实例交叠的图片。实验结果表明:与MaskR-CNN相比，DFP-Mask在多个评价指标和视觉分割效果上表现更优，其中准确率提高了2.03%，召回率提高了3.77%，平均精确率mAP提高了1%。DFP-Mask可应用于更多空间科学实验对象的数量、形态、生长过程等表型特征的提取。
【关键词】深度学习；实例分割网络；细胞分割；多尺度特征；密集特征金字塔；细胞图像
【作者】董高君，许乐乐，马忠松，于 歌
