用于语义实例分割的循环神经网络
计算机视觉与模式识别
2019-04-15 v4
摘要
我们提出了一种用于语义实例分割的循环模型，该模型按顺序为图像中的每个对象生成二值掩码及其相关的类别概率。我们提出的系统可从输入图像到标记掩码序列端到端训练，并且与依赖对象提议的方法相比，不需要对其输出进行后处理步骤。我们研究了我们的循环模型在三个不同实例分割基准上的适用性，即Pascal VOC 2012、CVPPP植物叶片分割和Cityscapes。此外，我们分析了模型生成的对象排序模式，观察到它学习遵循一致的模式，这与我们网络编码器部分学习到的激活相关。源代码和模型可在 https://imatge-upc.github.io/rsis/ 获取。
引用
@article{arxiv.1712.00617,
title = {Recurrent Neural Networks for Semantic Instance Segmentation},
author = {Amaia Salvador and Miriam Bellver and Victor Campos and Manel Baradad and Ferran Marques and Jordi Torres and Xavier Giro-i-Nieto},
journal= {arXiv preprint arXiv:1712.00617},
year = {2019}
}