用于显著实例分割的正则化密集连接金字塔网络
计算机视觉与模式识别
2021-03-15 v2 机器学习
图像与视频处理
摘要
近期关于显著目标检测(SOD)的许多工作致力于生成准确的显著性图，而未考虑其实例标签。为此，我们提出了一种用于端到端显著实例分割(SIS)的新流程，为每个检测到的显著实例预测一个类无关的掩码。为了更好地利用深度网络中丰富的特征层次并增强侧向预测，我们提出了正则化密集连接，其注意力式地提升来自所有特征金字塔的有信息特征并抑制无信息特征。我们引入了一种基于多层级RoIAlign的新解码器，以自适应地聚合多层级特征从而获得更好的掩码预测。这些策略可很好地封装进Mask R-CNN流程中。在流行基准上的大量实验表明，我们的设计在AP指标上以6.3%(58.6%对52.3%)显著优于现有的SOTA竞争者。代码见https://github.com/yuhuan-wu/RDPNet。
引用
@article{arxiv.2008.12416,
title = {Regularized Densely-connected Pyramid Network for Salient Instance Segmentation},
author = {Yu-Huan Wu and Yun Liu and Le Zhang and Wang Gao and Ming-Ming Cheng},
journal= {arXiv preprint arXiv:2008.12416},
year = {2021}
}
备注
Accepted in IEEE Transactions on Image Processing. Code: https://github.com/yuhuan-wu/RDPNet