基于通用轮廓的循环实例分割及其渐进式学习
计算机视觉与模式识别
2024-01-23 v3
摘要
基于轮廓的实例分割因其在复杂背景中处理视觉对象时的灵活性与优雅性而受到广泛关注。本文提出一种新颖的深度网络架构，即 PolySnake，用于通用基于轮廓的实例分割。受经典 Snake 算法启发，所提出的 PolySnake 通过迭代且渐进的轮廓细化策略实现了优越且鲁棒的分割性能。在技术上，PolySnake 引入循环更新算子来迭代估计目标轮廓，维持对轮廓的单一估计并使其逐步形变至目标边界。在每次迭代中，PolySnake 为当前轮廓构建语义丰富的表示，并将其输入循环算子以进行进一步的轮廓调整。通过迭代细化，轮廓逐步收敛至紧密包围目标实例的稳定状态。除通用实例分割外，我们还在场景文本检测与车道检测两个特定任务场景中进行了大量实验，以验证 PolySnake 的有效性与泛化能力。结果表明，所提出的 PolySnake 在三项任务的多个常用基准上均优于现有先进方法。代码与预训练模型见 https://github.com/fh2019ustc/PolySnake。
引用
@article{arxiv.2301.08898,
title = {Recurrent Generic Contour-based Instance Segmentation with Progressive Learning},
author = {Hao Feng and Keyi Zhou and Wengang Zhou and Yufei Yin and Jiajun Deng and Qi Sun and Houqiang Li},
journal= {arXiv preprint arXiv:2301.08898},
year = {2024}
}