CycleSegNet：基于循环细化与区域对应的物体协同分割网络
计算机视觉与模式识别
2021-07-07 v2
摘要
图像协同分割是一项活跃的计算机视觉任务，旨在从一组图像中分割出共同物体。近年来，研究者设计了多种基于学习的算法来完成协同分割任务。该任务的主要难点在于如何有效地在图像之间传递信息以进行条件预测。本文中，我们提出CycleSegNet，一种用于协同分割任务的新颖框架。我们的网络设计有两个关键组件：区域对应模块，作为局部图像区域间交换信息的基本操作；以及循环细化模块，利用ConvLSTMs以循环和迭代的方式逐步更新图像表示并交换信息。大量实验表明，我们提出的方法在四个流行基准数据集——PASCAL VOC数据集、MSRC数据集、Internet数据集和iCoseg数据集上，分别以2.6%、7.7%、2.2%和2.9%的优势显著优于最先进的方法。
引用
@article{arxiv.2101.01308,
title = {CycleSegNet: Object Co-segmentation with Cycle Refinement and Region Correspondence},
author = {Chi Zhang and Guankai Li and Guosheng Lin and Qingyao Wu and Rui Yao},
journal= {arXiv preprint arXiv:2101.01308},
year = {2021}
}
备注
Accept to TIP