BANet：具有遮挡处理的用于全景分割的双向聚合网络
计算机视觉与模式识别
2020-04-01 v1
摘要
全景分割旨在同时对前景实例进行实例分割，对背景物体进行语义分割。典型的自顶向下流程集中于两个关键问题：1) 如何有效地建模语义分割与实例分割之间的内在交互，以及 2) 如何适当地处理全景分割中的遮挡问题。直观上，可以利用语义分割与实例分割之间的互补性来提升性能。此外，我们注意到仅使用检测/掩码分数不足以解决遮挡问题。基于这些观察，我们提出了一种基于双向学习流程的全新深度全景分割方案。此外，我们引入了一种即插即用的遮挡处理算法，以处理不同物体实例之间的遮挡。在 COCO 全景基准上的实验结果验证了我们提出方法的有效性。代码即将在 https://github.com/Mooonside/BANet 发布。
引用
@article{arxiv.2003.14031,
title = {BANet: Bidirectional Aggregation Network with Occlusion Handling for Panoptic Segmentation},
author = {Yifeng Chen and Guangchen Lin and Songyuan Li and Bourahla Omar and Yiming Wu and Fangfang Wang and Junyi Feng and Mingliang Xu and Xi Li},
journal= {arXiv preprint arXiv:2003.14031},
year = {2020}
}
备注
to be published in CVPR2020, oral paper