通过深度度量学习改进图像协同分割

深度度量学习（DML）在计算机视觉任务中很有帮助。本文将DML首次引入图像协同分割。我们提出一种用于图像分割的新三元组损失，简称IS-Triplet损失，并将其与传统图像分割损失结合。不同于学习图像间度量的通用DML任务，我们将每个像素视为样本，利用其在高维空间中的嵌入特征构造三元组，然后通过优化IS-Triplet损失迫使不同类别像素间的距离大于同类别像素间的距离，从而使不同类别的像素在高维特征空间中更易区分。我们进一步提出一种高效的三元组采样策略，以使IS-Triplet损失的计算可行。最后，IS-Triplet损失与3种传统图像分割损失结合以执行图像分割。我们将所提方法应用于图像协同分割，并在SBCoseg数据集和Internet数据集上测试。实验结果表明，我们的方法能有效提升高维空间中像素类别的判别性，从而帮助传统损失以更少的训练轮次取得更好的图像分割性能。