实例敏感的全卷积网络
计算机视觉与模式识别
2016-03-30 v1
摘要
全卷积网络（FCNs）已被证明在语义分割上非常成功，但 FCN 输出不能感知物体实例。本文中，我们开发了能够提出实例级分割候选的 FCNs。与先前生成一张分数图的 FCN 不同，我们的 FCN 设计用于计算一小组实例敏感的分数图，其中每个图都是相对于实例的相对位置的逐像素分类器的结果。在这些实例敏感分数图之上，一个简单的组装模块能够在每个位置输出实例候选。与近期用于实例分割的 DeepMask 方法相比，我们的方法没有任何与掩模分辨率相关的高维层，而是利用图像局部相干性来估计实例。我们在 PASCAL VOC 和 MS COCO 上展示了具有竞争力的实例分割候选结果。
引用
@article{arxiv.1603.08678,
title = {Instance-sensitive Fully Convolutional Networks},
author = {Jifeng Dai and Kaiming He and Yi Li and Shaoqing Ren and Jian Sun},
journal= {arXiv preprint arXiv:1603.08678},
year = {2016}
}