分割之前：部分监督实例分割中弱标注类别的前景线索
计算机视觉与模式识别
2021-04-13 v2
摘要
实例分割方法需要带有昂贵且因此有限实例级掩码标签的大型数据集。部分监督实例分割旨在利用更丰富的弱框标签，以有限的掩码标签改进掩码预测。在这项工作中，我们表明部分监督实例分割中常用的类无关掩码头（class agnostic mask head）仅使用框监督难以为弱标注类别学习前景的通用概念。为解决此问题，我们引入物体掩码先验（OMP），其为掩码头提供由框分类头在所有类别监督下隐式学习到的前景通用概念。这有助于类无关掩码头聚焦于感兴趣区域（RoI）中的主要物体，并改善对弱标注类别的泛化能力。我们在COCO数据集上使用不同强监督与弱监督类别划分测试了我们的方法。我们的方法相较Mask R-CNN基线有显著提升，并取得了与最先进（SOTA）方法相竞争的性能，同时提供了更简单的架构。
引用
@article{arxiv.2011.11787,
title = {Prior to Segment: Foreground Cues for Weakly Annotated Classes in Partially Supervised Instance Segmentation},
author = {David Biertimpel and Sindi Shkodrani and Anil S. Baslamisli and Nóra Baka},
journal= {arXiv preprint arXiv:2011.11787},
year = {2021}
}