视频目标分割中卷积神经网络的在线自适应
计算机视觉与模式识别
2017-08-02 v2
摘要
我们致力于半监督视频目标分割任务，即利用第一帧的真实像素掩膜来分割视频中属于目标的像素。我们基于最近提出的一击视频目标分割 (OSVOS) 方法，该方法使用预训练网络并在第一帧上进行微调。虽然取得了令人印象深刻的性能，但在测试时，OSVOS 以不变的形式使用微调后的网络，无法适应目标外观的巨大变化。为了克服这一限制，我们提出了在线自适应视频目标分割 (OnAVOS)，该方法利用基于网络置信度和空间配置选择的训练样本在线更新网络。此外，我们增加了一个基于对象性 (objectness) 的预训练步骤，该步骤在 PASCAL 数据集上学习。我们的实验表明，这两种扩展都非常有效，并将 DAVIS 数据集上的最先进水平 (SOTA) 提高到了 85.7% 的交并比 (IoU) 分数。
引用
@article{arxiv.1706.09364,
title = {Online Adaptation of Convolutional Neural Networks for Video Object Segmentation},
author = {Paul Voigtlaender and Bastian Leibe},
journal= {arXiv preprint arXiv:1706.09364},
year = {2017}
}
备注
Accepted at BMVC 2017. This version contains minor changes for the camera ready version