ビデオインスタンスセグメンテーションは、車両の運転支援における多目的認識とシーン理解の重要な技術である。弱監督ビデオインスタンスセグメンテーションにおいて、境界ボックスのみでネットワークを訓練することが交通シーンにおける大規模な動的スケール範囲を持つターゲットのセグメンテーション精度を著しく制限する問題に対し、本論文ではスケール適応生成調節弱監督ビデオインスタンスセグメンテーションネットワーク（SAGRNet）を提案する。まず、多スケール特徴マップ貢献度動的適応調節モジュールを設計し、異なるスケールの特徴マップ情報の貢献度を動的に調整し、従来の線形加重を置き換えて対象の局所位置と全体輪郭への注目能力を強化し、車両や歩行者などの撮影距離によるスケールの動的範囲の過大問題を解決した。次に、異なる空洞率に基づく多細粒度空間情報を集約して重みパラメータを生成し各スケール特徴を調整する目標インスタンス多細粒度空間情報集約生成調節モジュールを構築し、インスタンス境界の細分化とチャネル間情報交換によるマスク特徴マップ表現能力の強化を実現し、インスタンス端情報の不足による輪郭セグメンテーションマスクの連続性欠損問題を効果的に補った。最後に、境界ボックスラベルの監督情報の弱体化を緩和するために直交損失と色類似性損失を導入し、モデルの予測マスクと実際の境界ボックスとの偏差を縮小し、画素単位でのラベル属性分類の曖昧性問題を計算した。Youtube-VIS2019から抽出した交通シーンデータセットでの実験結果により、SAGRNetは弱監督基準ネットワークに比べて平均セグメンテーション精度を5.1％向上させ、38.1％を達成し、多目的認識およびインスタンスレベルのシーン理解の実現に有効なアルゴリズム基盤を提供することが示された。

運転支援;弱監督;ビデオインスタンスセグメンテーション;適応生成調節;細粒度