深度交互式对象选择
计算机视觉与模式识别
2016-03-15 v1
摘要
交互式对象选择是一个非常重要的研究问题，具有众多应用。以往的算法需要大量的用户交互来估计前景和背景分布。在本文中，我们提出了一种新颖的基于深度学习的算法，该算法对对象性有更好的理解，因此可以将用户交互减少到仅需几次点击。我们的算法将用户提供的正点击和负点击转换为两个欧几里得距离图，然后将其与图像的 RGB 通道拼接，构成（图像，用户交互）对。我们通过结合多种随机采样策略来模拟用户点击模式，生成了大量此类对，并用它们来微调深度全卷积网络（FCNs）。最后，将我们的 FCN 8s 模型的输出概率图与图割优化相结合，以细化边界分割。我们的模型在 PASCAL 分割数据集上训练，并在具有不同对象类别的其他数据集上进行评估。在已见和未见对象上的实验结果清楚地表明，我们的算法具有良好的泛化能力，并且优于所有现有的交互式对象选择方法。
引用
@article{arxiv.1603.04042,
title = {Deep Interactive Object Selection},
author = {Ning Xu and Brian Price and Scott Cohen and Jimei Yang and Thomas Huang},
journal= {arXiv preprint arXiv:1603.04042},
year = {2016}
}
备注
Computer Vision and Pattern Recognition