面向精确实例分割的有向框
计算机视觉与模式识别
2020-03-16 v3
摘要
当前最先进的实例级语义分割算法使用轴对齐边界框作为推断最终实例掩码输出的中间处理步骤。由于以下原因,这常导致粗糙且不准确的掩码提议:轴对齐框具有较高背景与前景像素比,相对于底层框的掩码目标存在强烈变化,且相邻实例经常侵入感兴趣实例掩码的轴对齐边界框内。在本工作中,我们克服这些问题,提出使用有向框作为推断实例掩码的基础。我们表明有向实例分割改善了掩码预测,尤其在物体呈对角排列、相互接触或重叠时。我们在 D2S 和 Screws 数据集上评估模型,表明相比使用轴对齐边界框的实例分割,掩码精度分别显著提升 10% 和 12% mAP。在新引入的 Pill Bags 数据集上,我们仅使用 10% 的掩码标注即超越基线。
引用
@article{arxiv.1911.07732,
title = {Oriented Boxes for Accurate Instance Segmentation},
author = {Patrick Follmann and Rebecca König},
journal= {arXiv preprint arXiv:1911.07732},
year = {2020}
}
备注
v3 with appendix