伪掩码增强目标检测
计算机视觉与模式识别
2018-03-28 v2
摘要
在这项工作中，我们提出了一种新颖且有效的框架，利用仅由边界框标注监督的实例级分割信息来辅助目标检测。从联合目标检测与实例分割网络出发，我们提出在实例级目标分割网络训练中递归地估计伪真值目标掩码，然后通过自顶向下的分割反馈增强检测网络。伪真值掩码与网络参数交替优化以相互增益。为了在每次迭代中获得有前景的伪掩码，我们嵌入了一种图推理，结合低级图像外观一致性与边界框标注，以精炼由分割网络预测的分割掩码。我们的方法通过整合从弱监督分割网络中学习到的详细像素级信息，逐步提升了目标检测性能。在 PASCAL VOC 2007 和 2012 [12] 检测任务上的广泛评估验证了所提方法的有效性。
引用
@article{arxiv.1803.05858,
title = {Pseudo Mask Augmented Object Detection},
author = {Xiangyun Zhao and Shuang Liang and Yichen Wei},
journal= {arXiv preprint arXiv:1803.05858},
year = {2018}
}