基于CNNs的单目物体实例分割与深度排序
计算机视觉与模式识别
2015-12-21 v2
摘要
在本文中，我们解决了从单张单目图像进行实例级分割与深度排序的问题。为此，我们利用卷积神经网络并训练它们直接预测实例级分割，其中实例ID编码了图像块内的深度排序。为了提供对图像的一致单一解释，我们开发了一种马尔可夫随机场，它以应用于不同分辨率的重叠图像块上的卷积神经网络的预测以及连通域算法输出作为输入。它旨在预测准确的实例级分割和深度排序。我们在具有挑战性的 KITTI 基准上展示了我们方法的有效性，并在两项任务上显示出良好性能。
引用
@article{arxiv.1505.03159,
title = {Monocular Object Instance Segmentation and Depth Ordering with CNNs},
author = {Ziyu Zhang and Alexander G. Schwing and Sanja Fidler and Raquel Urtasun},
journal= {arXiv preprint arXiv:1505.03159},
year = {2015}
}
备注
International Conference on Computer Vision (ICCV), 2015