iShape：迈向不规则形状实例分割的第一步
计算机视觉与模式识别
2021-10-01 v1 机器学习
摘要
本文引入一个全新的数据集以推动对不规则形状物体实例分割的研究。我们的核心观察是：尽管不规则形状物体广泛存在于日常生活与工业场景中，但由于缺乏相应数据集，它们在实例分割领域很少受到关注。为填补这一空白，我们提出 iShape，一个用于实例分割的不规则形状数据集。iShape 包含六个子数据集，其中一个为真实数据、五个为合成数据，每个代表一种典型不规则形状的场景。与大多数现有规则物体实例分割数据集不同，iShape 具有许多挑战现有实例分割算法的特性，例如实例边界框间的大面积重叠、极端长宽比，以及每个实例包含大量连通分量。我们在 iShape 上对流行的实例分割方法进行了基准测试，发现其性能急剧下降。因此，我们提出一种基于亲和力的实例分割算法，称为 ASIS，作为更强的基线。ASIS 显式结合感知与推理来解决包含不规则物体在内的任意形状实例分割（Arbitrary Shape Instance Segmentation）。实验结果表明 ASIS 在 iShape 上优于当前最优方法（state-of-the-art）。数据集与代码见 https://ishape.github.io
引用
@article{arxiv.2109.15068,
title = {iShape: A First Step Towards Irregular Shape Instance Segmentation},
author = {Lei Yang and Yan Zi Wei and Yisheng HE and Wei Sun and Zhenhang Huang and Haibin Huang and Haoqiang Fan},
journal= {arXiv preprint arXiv:2109.15068},
year = {2021}
}
备注
Project page: https://ishape.github.io/