MaskRNN：实例级视频目标分割
计算机视觉与模式识别
2018-03-30 v1
摘要
实例级视频目标分割是视频编辑与压缩的一项重要技术。为捕捉时间连贯性，本文提出 MaskRNN，一种递归神经网络方法，它在每一帧中融合针对每个目标实例的两个深度网络的输出——提供掩码的二值分割网络与提供边界框的定位网络。由于递归组件与定位组件，我们的方法能够利用视频数据的长期时间结构并剔除离群值。我们在三个具有挑战性的基准数据集上验证了所提算法：DAVIS-2016 数据集、DAVIS-2017 数据集和 Segtrack v2 数据集，并在所有数据集上取得了最先进的性能。
引用
@article{arxiv.1803.11187,
title = {MaskRNN: Instance Level Video Object Segmentation},
author = {Yuan-Ting Hu and Jia-Bin Huang and Alexander G. Schwing},
journal= {arXiv preprint arXiv:1803.11187},
year = {2018}
}
备注
Accepted to NIPS 2017