用于人像分割的边界敏感网络
计算机视觉与模式识别
2018-04-11 v2 图像与视频处理
摘要
与通用语义分割问题相比，人像分割对边界区域有更高的精度要求。然而，该问题在以往的工作中尚未得到充分研究。在本文中，我们提出一种用于人像分割的边界敏感深度神经网络(BSN)。BSN 引入了三种新技术。首先，通过膨胀轮廓线并将边界像素赋予多类标签，提出一种独立的边界敏感核。其次，采用全局边界敏感核作为位置敏感先验，以进一步约束分割图的整体形状。第三，我们将一个边界敏感属性分类器与分割网络联合训练，以用语义边界形状信息强化网络。我们在当前最大的公开人像分割数据集（即 PFCN 数据集）以及从其他三个流行图像分割数据集 COCO、COCO-Stuff 和 PASCAL VOC 收集的人像图像上评估了 BSN。我们的方法在所有数据集上，尤其在边界区域，取得了优于最先进方法的定量与定性性能。
引用
@article{arxiv.1712.08675,
title = {Boundary-sensitive Network for Portrait Segmentation},
author = {Xianzhi Du and Xiaolong Wang and Dawei Li and Jingwen Zhu and Serafettin Tasci and Cameron Upright and Stephen Walsh and Larry Davis},
journal= {arXiv preprint arXiv:1712.08675},
year = {2018}
}
备注
8 pages