基于判别性在线学习的快速视频目标分割
计算机视觉与模式识别
2019-04-19 v1
摘要
我们解决极具挑战性的视频目标分割问题。在仅给定初始掩码的情况下，任务是在后续帧中分割出目标。为有效应对外观变化与相似的背景物体，需要鲁棒的目标表示。先前的方法要么依赖在第一帧上微调分割网络，要么采用生成式外观模型。尽管取得了部分成功，这些方法常受限于过低的帧率或不佳的鲁棒性。我们提出一种新方法，基于一个专门的目标外观模型，该模型仅在线学习以区分目标与背景图像区域。重要的是，我们设计了专门的损失与定制的优化技术以实现高效的在线训练。我们的轻量级目标模型被集成到一个精心设计的分割网络中，该网络离线训练以增强目标模型生成的预测。我们在三个数据集上进行了充分实验。我们的方法在 YouTube-VOS 上取得超过 70 的总分，同时以每秒 25 帧的速度运行。
引用
@article{arxiv.1904.08630,
title = {Discriminative Online Learning for Fast Video Object Segmentation},
author = {Andreas Robinson and Felix Järemo Lawin and Martin Danelljan and Fahad Shahbaz Khan and Michael Felsberg},
journal= {arXiv preprint arXiv:1904.08630},
year = {2019}
}