一种用于全景分割的端到端网络
计算机视觉与模式识别
2019-03-14 v2
摘要
全景分割需要为每个像素分配类别标签并同时分割每个目标实例，是一个具有挑战性的课题。传统上，现有方法使用两个独立模型且不共享特征，使得流程实现效率低下。此外，通常采用启发式方法合并结果。然而，在合并过程中缺乏充分的上下文信息时，目标实例之间的重叠关系难以确定。为解决这些问题，我们提出了一种新颖的端到端全景分割网络，能够在单一网络中高效且有效地同时预测实例分割和stuff分割。此外，我们引入了一种新颖的空间排序模块来处理预测实例之间的遮挡问题。我们进行了大量实验来验证所提方法的性能，并在COCO Panoptic基准上取得了有前景的结果。
引用
@article{arxiv.1903.05027,
title = {An End-to-End Network for Panoptic Segmentation},
author = {Huanyu Liu and Chao Peng and Changqian Yu and Jingbo Wang and Xu Liu and Gang Yu and Wei Jiang},
journal= {arXiv preprint arXiv:1903.05027},
year = {2019}
}