InstanceCut：利用MultiCut从边缘到实例
计算机视觉与模式识别
2016-11-28 v1
摘要
本研究致力于实例感知语义分割任务。我们的主要动机是设计一种采用新建模范式的简单方法，从而与已知方法相比在优缺点之间有不同权衡。我们称该方法为InstanceCut，它通过两种输出模态来表示问题：(i) 实例无关的语义分割，以及 (ii) 所有实例边界。前者由用于语义分割的标准卷积神经网络计算，后者源自一种新的实例感知边缘检测模型。为了从全局上推理图像分割为实例的最优划分，我们将这两种模态结合为一种新颖的MultiCut公式。我们在具有挑战性的CityScapes数据集上评估了我们的方法。尽管我们的方法概念简单，但在所有已发表的方法中取得了最佳结果，并且对稀有对象类别表现尤为良好。
引用
@article{arxiv.1611.08272,
title = {InstanceCut: from Edges to Instances with MultiCut},
author = {Alexander Kirillov and Evgeny Levinkov and Bjoern Andres and Bogdan Savchynskyy and Carsten Rother},
journal= {arXiv preprint arXiv:1611.08272},
year = {2016}
}
备注
The code would be released at https://github.com/alexander-kirillov/InstanceCut