基于水平集演化的框监督实例分割
计算机视觉与模式识别
2022-07-20 v1
摘要
与使用像素级掩码标签的全监督方法不同，框监督实例分割利用简单的框标注，近来吸引了大量研究关注。本文提出一种新颖的单阶段框监督实例分割方法，将经典水平集模型与深度神经网络精细结合。具体而言，我们所提方法以端到端方式通过连续的基于 Chan-Vese 能量的函数迭代学习一系列水平集。采用一个简单的掩码监督 SOLOv2 模型来预测实例感知掩码图作为每个实例的水平集。输入图像及其深度特征均作为演化水平集曲线的输入数据，其中采用框投影函数获取初始边界。通过最小化完全可微的能量函数，每个实例的水平集在其对应边界框标注内迭代优化。在四个具有挑战性的基准上的实验结果证明了我们所提方法在各种场景下鲁棒实例分割的领先性能。代码见：https://github.com/LiWentomng/boxlevelset。
引用
@article{arxiv.2207.09055,
title = {Box-supervised Instance Segmentation with Level Set Evolution},
author = {Wentong Li and Wenyu Liu and Jianke Zhu and Miaomiao Cui and Xiansheng Hua and Lei Zhang},
journal= {arXiv preprint arXiv:2207.09055},
year = {2022}
}
备注
17 page, 4figures, ECCV2022