单次实例分割
计算机视觉与模式识别
2019-05-29 v2
摘要
我们解决了单次实例分割问题：给定一个新奇、先前未知物体类别的示例图像，在复杂场景中找到并分割该类别的所有物体。为应对这一具有挑战性的新任务，我们提出了 Siamese Mask R-CNN。它通过编码参考图像与场景的 Siamese 骨干网络扩展了 Mask R-CNN，使其能够将检测和分割定向到参考类别。我们在 MS Coco 上展示了单次设定下的经验结果，突显了该设定的挑战：虽然将实例分割的知识迁移到新物体类别效果非常好，但将检测网络定向到参考类别似乎更为困难。我们的工作为单次实例分割提供了第一个强基线，并希望能激发对更强大、更灵活的场景分析算法的进一步研究。代码见：https://github.com/bethgelab/siamese-mask-rcnn
引用
@article{arxiv.1811.11507,
title = {One-Shot Instance Segmentation},
author = {Claudio Michaelis and Ivan Ustyuzhaninov and Matthias Bethge and Alexander S. Ecker},
journal= {arXiv preprint arXiv:1811.11507},
year = {2019}
}