基于超像素的 DeepFH 分割用于目标候选框精炼
计算机视觉与模式识别
2021-08-10 v1
摘要
与类别无关的目标候选框生成是许多目标检测流程中的重要第一步。然而，现代系统的目标候选框在分割上相当不准确，仅粗略贴合目标边界。由于典型的精炼步骤通常不适用于数千个候选框，我们提出了一种基于超像素的目标候选框生成系统精炼方法。利用精确超像素及深度特征上的超像素池化，我们在端到端学习系统中精炼初始粗候选框。此外，我们提出了一种新颖的 DeepFH 分割，其将经典 Felzenszwalb 和 Huttenlocher (FH) 分割与深度特征相结合，从而获得改进的分割结果与更好的目标候选框精炼。在带有 LVIS 标注的 COCO 数据集上，我们表明基于 DeepFH 超像素的精炼优于最先进方法，并带来更精确的目标候选框。
引用
@article{arxiv.2108.03503,
title = {DeepFH Segmentations for Superpixel-based Object Proposal Refinement},
author = {Christian Wilms and Simone Frintrop},
journal= {arXiv preprint arXiv:2108.03503},
year = {2021}
}
备注
Accepted by IVC