用于全景分割的全卷积网络
计算机视觉与模式识别
2021-04-06 v2
摘要
本文提出一个概念简单、性能强且高效的全景分割框架，称为 Panoptic FCN。我们的方法旨在以统一的全卷积流程表示并预测前景事物（things）与背景素材（stuff）。具体而言，Panoptic FCN 通过所提出的核生成器将每个对象实例或素材类别编码为特定的核权重，并直接对高分辨率特征进行卷积以产生预测。借助该方法，事物与素材的实例感知与语义一致属性可在一个简单的“生成核再分割”工作流中分别满足。无需额外边界框用于定位或实例分离，所提方法在 COCO、Cityscapes 与 Mapillary Vistas 数据集上以单尺度输入超越了以往基于框与无框模型，且具备高效率。我们的代码已公开于 https://github.com/Jia-Research-Lab/PanopticFCN。
引用
@article{arxiv.2012.00720,
title = {Fully Convolutional Networks for Panoptic Segmentation},
author = {Yanwei Li and Hengshuang Zhao and Xiaojuan Qi and Liwei Wang and Zeming Li and Jian Sun and Jiaya Jia},
journal= {arXiv preprint arXiv:2012.00720},
year = {2021}
}
备注
CVPR2021 Oral