基于深度强化学习的物体轮廓勾勒
计算机视觉与模式识别
2018-04-23 v2 人工智能
摘要
图像分割既需要局部的边界位置信息，也需要全局的物体上下文信息。近期最先进的方法——全卷积网络（fully convolutional networks），由于在端到端训练风格中同时平衡这两类信息而受到神经网络本身的局限，性能遭遇瓶颈。为克服该问题，我们将语义图像分割划分为时序子任务。首先，我们寻找某物体边界的一个可能像素位置；然后在有限长度内逐步追踪该边界，直至整个物体被勾勒出来。我们提出了首个用于语义图像分割的深度强化学习方法，称为 DeepOutline，该方法在 Coco val2017 数据集的中型和大型人体类别上优于 Coco 检测排行榜中的其他算法。同时，它为通过强化学习以分而治之的方式解决计算机视觉问题提供了洞见。
引用
@article{arxiv.1804.04603,
title = {Outline Objects using Deep Reinforcement Learning},
author = {Zhenxin Wang and Sayan Sarcar and Jingxin Liu and Yilin Zheng and Xiangshi Ren},
journal= {arXiv preprint arXiv:1804.04603},
year = {2018}
}