MPASNET：用于视频场景中无监督深度人群分割的运动先验感知孪生网络
计算机视觉与模式识别
2021-06-03 v2 机器学习
摘要
人群分割是一项基础任务，可作为拥挤场景分析的基础，获得精细的像素级分割图是高度期望的。然而，这仍然是一个具有挑战性的问题，因为现有方法要么需要密集的像素级标注来训练深度学习模型，要么仅利用物理模型从光流或粒子流中产生粗糙的分割图。在本文中，我们提出运动先验感知孪生网络（MPASNET）用于无监督人群语义分割。该模型不仅消除了对标注的需求，还能生成高质量的分割图。具体而言，我们首先分析跨帧的相干运动模式，然后对集体粒子应用圆形区域合并策略以生成伪标签。此外，我们为 MPASNET 配备了用于增强不变正则化和孪生特征聚合的孪生分支。在基准数据集上的实验表明，我们的模型在 mIoU 方面比最先进方法高出 12% 以上。
引用
@article{arxiv.2101.08609,
title = {MPASNET: Motion Prior-Aware Siamese Network for Unsupervised Deep Crowd Segmentation in Video Scenes},
author = {Jinhai Yang and Hua Yang},
journal= {arXiv preprint arXiv:2101.08609},
year = {2021}
}
备注
ICIP 2021 Camera Ready