集成实例分割与语义分割以实现全景分割
计算机视觉与模式识别
2023-04-21 v1
摘要
我们展示了针对 2019 COCO 全景分割任务的解决方案。我们的方法先分别执行实例分割与语义分割，再将二者结合生成全景分割结果。为提升性能，我们在实例分割中加入了若干 Mask R-CNN 专家模型以应对训练数据中的数据不平衡问题；同时采用 HTC 模型，得到了我们最佳的实例分割结果。在语义分割中，我们训练了多个具有不同骨干网络的模型，并使用集成策略进一步提升分割结果。最后，我们分析了实例分割与语义分割的多种组合，并报告了它们对最终全景分割结果的性能。我们的最佳模型在 2019 COCO panoptic test-dev 数据上取得了 47.1。
引用
@article{arxiv.2304.10326,
title = {Ensembling Instance and Semantic Segmentation for Panoptic Segmentation},
author = {Mehmet Yildirim and Yogesh Langhe},
journal= {arXiv preprint arXiv:2304.10326},
year = {2023}
}