RethNet：基于对象逐个学习的人脸皮肤问题检测
计算机视觉与模式识别
2021-01-13 v2
摘要
语义分割是计算机视觉中的热点问题，其中目标检测与识别最具挑战性的任务已借助语义分割方法的成功得以处理。我们提出一种对象逐个学习技术的概念，利用语义分割方法检测 11 类面部皮肤病变。在密集群体中检测单个皮肤病变是一项具有挑战性的任务，因为视觉数据外观存在模糊性。我们观察到对象类别之间存在共现视觉关系（例如皱纹与老年斑，或丘疹与白头粉刺等）。事实上，丰富的上下文信息显著有助于处理该问题。因此，我们提出 REthinker 模块，其由局部构造的 convLSTM/Conv3D 层与 SE 模块作为一次性注意力机制组成，其职责是增强网络在局部与全局上下文表示中的敏感性，从而支持捕捉模糊出现的对象以及对象类别间的共现交互。实验表明，我们提出的模型在自建数据集测试上达到 79.46% 的 MIoU，相比 Deeplab v3+（MIoU 为 64.12%）提升了 15.34%。
引用
@article{arxiv.2101.02127,
title = {RethNet: Object-by-Object Learning for Detecting Facial Skin Problems},
author = {Shohrukh Bekmirzaev and Seoyoung Oh and Sangwook Yoo},
journal= {arXiv preprint arXiv:2101.02127},
year = {2021}
}
备注
ICCV workshop 2019