用于自动生成图像掩膜以训练Mask R-CNN的全卷积网络
计算机视觉与模式识别
2021-05-21 v2 机器学习
摘要
本文针对当前最优的Mask R-CNN深度学习方法，提出了一种新颖的自动生成图像掩膜的方法。Mask R-CNN方法迄今在目标检测中取得了最佳结果，然而获取用于训练的目标掩膜非常耗时费力；所提方法采用两阶段设计以自动生成图像掩膜，第一阶段实现基于全卷积网络（FCN）的分割网络，第二阶段网络为基于Mask R-CNN的目标检测网络，其以FCN输出的目标图像掩膜、原始输入图像及附加标签信息为训练数据。经实验，我们提出的方法能够自动获取图像掩膜以训练Mask R-CNN，并且可达到很高的分类精度，分割的平均精度均值（mAP）超过90%。
引用
@article{arxiv.2003.01383,
title = {Fully Convolutional Networks for Automatically Generating Image Masks to Train Mask R-CNN},
author = {Hao Wu and Jan Paul Siebert and Xiangrong Xu},
journal= {arXiv preprint arXiv:2003.01383},
year = {2021}
}