BiSeg：利用全卷积网络同时进行实例分割与语义分割
计算机视觉与模式识别
2017-07-19 v2
摘要
我们提出了一种简单有效的框架，利用全卷积网络同时进行语义分割和实例分割。该方法称为 BiSeg，将实例分割预测为贝叶斯推断中的后验，其中语义分割用作先验。我们将近期方法中使用的位敏得分图的思想扩展到不同尺度和划分模式下多个得分图的融合，并将其用作实例分割推断的稳健似然。由于贝叶斯推断和得分图融合都是逐像素进行的，BiSeg 是一种全卷积的端到端解决方案，继承了 FCN 的所有优点。我们在 PASCAL VOC 上展示了最先进的实例分割精度。
引用
@article{arxiv.1706.02135,
title = {BiSeg: Simultaneous Instance Segmentation and Semantic Segmentation with Fully Convolutional Networks},
author = {Viet-Quoc Pham and Satoshi Ito and Tatsuo Kozakaya},
journal= {arXiv preprint arXiv:1706.02135},
year = {2017}
}
备注
BMVC2017