深度对象协同分割
计算机视觉与模式识别
2019-05-29 v2
摘要
本文提出了一种深度对象协同分割（DOCS）方法，用于在一对图像中分割同一类别的共同对象。这意味着该方法学习忽略共同或不常见的背景内容，并聚焦于对象。如果图像对中存在多个对象类别，它们将作为前景被联合提取。为解决该任务，我们提出了一种基于CNN的孪生编码器-解码器架构。编码器提取前景对象的高层语义特征，互相关层检测共同对象，最后解码器为每幅图像生成输出前景掩码。为训练我们的模型，我们编译了一个大型对象协同分割数据集，该数据集由来自PASCAL VOC数据集的带有共同对象掩码的图像对组成。我们在协同分割任务常用数据集上评估了我们的方法，并观察到对于已见和未见对象类别，我们的方法始终优于对比方法。
引用
@article{arxiv.1804.06423,
title = {Deep Object Co-Segmentation},
author = {Weihao Li and Omid Hosseini Jafari and Carsten Rother},
journal= {arXiv preprint arXiv:1804.06423},
year = {2019}
}
备注
Accepted at ACCV 2018