面向同质物体簇实例分割的无标注一次性学习
计算机视觉与模式识别
2018-02-08 v2
摘要
我们提出了一种针对同质物体簇（HOC）图像进行实例分割的新方法。我们的学习方法是一次性的，因为仅捕获一个物体实例的一段视频，且不需要人工标注。我们的直觉是，基于从真实图像中导出的结构与光照先验，可以有效合成同质物体的图像。提出了一种新颖的求解器，迭代地最大化我们的结构化似然以生成逼真的 HOC 图像。应用光照变换方案使真实与合成图像共享相同的光照条件。我们进行了大量实验与对比以验证我们的方法。我们构建了一个由像素级标注的 HOC 图像组成的数据集。该数据集与代码将随论文发布。
引用
@article{arxiv.1802.00383,
title = {Annotation-Free and One-Shot Learning for Instance Segmentation of Homogeneous Object Clusters},
author = {Zheng Wu and Ruiheng Chang and Jiaxu Ma and Cewu Lu and Chi-Keung Tang},
journal= {arXiv preprint arXiv:1802.00383},
year = {2018}
}
备注
7 pages, 8 figures, submission to IJCAI 2018