将聚类数量融入嵌入学习的实例分割方法
计算机视觉与模式识别
2021-03-30 v1
摘要
语义分割与实例分割算法是由卷积神经网络驱动的两种通用却不同的图像分割方案。语义分割广泛受益于端到端训练策略，而实例分割常被构建为多阶段任务，以基于学习的判别与后处理聚类为支撑。各子阶段独立的优化会引发分割误差的累积。在本工作中，我们提出将先验聚类信息嵌入到名为 FCRNet 的嵌入学习框架中，以促进单阶段实例分割。FCRNet 通过将聚类组的数量纳入嵌入空间，减轻了后处理的复杂性。FCRNet 的优越性能在细胞核数据集 BBBC006 上得到验证，并与其他方法进行了比较。
引用
@article{arxiv.2103.14869,
title = {Instance segmentation with the number of clusters incorporated in embedding learning},
author = {Jianfeng Cao and Hong Yan},
journal= {arXiv preprint arXiv:2103.14869},
year = {2021}
}
备注
Accepted by ICASSP2021