快速全景分割网络
计算机视觉与模式识别
2019-10-10 v1
摘要
在这项工作中，我们提出了一种用于快速全景分割的端到端网络。该网络称为快速全景分割网络（FPSNet），不需要计算代价高昂的实例掩码预测或合并启发式方法。这是通过将全景任务转化为一种自定义的密集像素级分类任务来实现的，该任务为每个像素分配一个类别标签或实例ID。我们在 Cityscapes 和 Pascal VOC 数据集上评估了 FPSNet，发现 FPSNet 比现有的全景分割方法更快，同时取得了更好或相似的全景分割性能。在 Cityscapes 验证集上，对于分辨率为 1024x2048 像素的图像，我们以 114 毫秒的预测时间取得了 55.1% 的全景质量（Panoptic Quality）分数。对于 Cityscapes 数据集的较低分辨率和 Pascal VOC 数据集，FPSNet 分别以 22 和 35 帧每秒的速度运行。
引用
@article{arxiv.1910.03892,
title = {Fast Panoptic Segmentation Network},
author = {Daan de Geus and Panagiotis Meletis and Gijs Dubbelman},
journal= {arXiv preprint arXiv:1910.03892},
year = {2019}
}