面向无提议实例分割的学习聚类
计算机视觉与模式识别
2018-03-20 v1 人工智能
机器学习
摘要
本工作提出了一种新颖的学习目标，用于训练深度神经网络执行端到端图像像素聚类。我们将该方法应用于实例分割，该任务处于图像语义分割与目标检测的交汇处。我们利用实例标注最基本的属性——像素间的成对关系——作为监督来构建学习目标，随后将其应用于训练全卷积网络（FCN）以学习执行像素级聚类。生成的聚类可直接用作实例标注。为支持对无限数量实例的标注，我们进一步将图论中的图着色思想引入所提出的学习目标中。在 Cityscapes 数据集上的评估展现了优异的性能，从而验证了该概念。此外，我们的方法在 2017 CVPR 自动驾驶挑战赛的车道检测竞赛中获得第二名，并且是在未使用外部数据情况下的最佳表现者。
引用
@article{arxiv.1803.06459,
title = {Learning to Cluster for Proposal-Free Instance Segmentation},
author = {Yen-Chang Hsu and Zheng Xu and Zsolt Kira and Jiawei Huang},
journal= {arXiv preprint arXiv:1803.06459},
year = {2018}
}