一种关注边界的水下图像语义分割方法及真实水下场景语义分割数据集
计算机视觉与模式识别
2021-08-27 v1
摘要
随着水下物体抓取技术的发展，高精度的水下物体识别与分割已成为一项挑战。现有的水下物体检测技术只能给出物体的大致位置，无法提供如物体轮廓等更详细的信息，这严重影响了抓取效率。为解决这一问题，我们标注并建立了首个真实场景水下语义分割数据集（DUT-USEG：DUT 水下分割数据集）。该 DUT-USEG 数据集包含 6617 张图像，其中 1487 张具有语义分割和实例分割标注，其余 5130 张图像具有物体检测框标注。基于此数据集，我们提出了一种关注边界的半监督水下语义分割网络（US-Net：水下分割网络）。通过设计伪标签生成器和边界检测子网络，该网络实现了对水下物体与背景之间边界的精细学习，并改善了边界区域的分割效果。实验表明，所提方法在 DUT-USEG 数据集的海参、海胆、海星三个类别上提升了 6.7%，并达到了最先进的结果。DUT-USEG 数据集将在 https://github.com/baxiyi/DUT-USEG 发布。
引用
@article{arxiv.2108.11727,
title = {An Underwater Image Semantic Segmentation Method Focusing on Boundaries and a Real Underwater Scene Semantic Segmentation Dataset},
author = {Zhiwei Ma and Haojie Li and Zhihui Wang and Dan Yu and Tianyi Wang and Yingshuang Gu and Xin Fan and Zhongxuan Luo},
journal= {arXiv preprint arXiv:2108.11727},
year = {2021}
}
备注
8 pages, 7 figures, accepted by ChinaMM2021