DOOBNet：从图像中进行深度物体遮挡边界检测
计算机视觉与模式识别
2018-09-14 v3
摘要
物体遮挡边界检测是计算机视觉中一个基础且关键的研究问题。由于在训练物体遮挡边界检测器时会遇到极端的边界/非边界类别不平衡，该问题难以解决。本文中，我们提出通过用新颖的注意力损失（Attention Loss）函数对假阴性和假阳性样本的损失贡献进行加权，以应对该类别不平衡。我们还提出了一个统一的端到端多任务深度物体遮挡边界检测网络（DOOBNet），通过共享卷积特征来同时预测物体边界与遮挡方向。DOOBNet 采用带跳跃连接的编码器-解码器结构，以自动学习多尺度与多层次特征。我们在 PIOD 数据集（ODS F-score 为 .702）与 BSDS ownership 数据集（ODS F-score 为 .555）上显著超越了当前最优方法，并将检测速度提升至在 PIOD 数据集上每张图像 0.037 秒。
引用
@article{arxiv.1806.03772,
title = {DOOBNet: Deep Object Occlusion Boundary Detection from an Image},
author = {Guoxia Wang and Xiaohui Liang and Frederick W. B. Li},
journal= {arXiv preprint arXiv:1806.03772},
year = {2018}
}