RL-CoSeg：一种基于深度强化学习的新型图像协同分割算法
计算机视觉与模式识别
2022-04-13 v1
摘要
本文提出一种基于深度强化学习（RL）的自动图像协同分割算法。现有协同分割任务主要依赖深度学习方法，所得前景边缘往往粗糙。为获得更精确的前景边缘，我们使用深度RL解决该问题并实现更精细分割。据我们所知，这是首个将RL方法应用于协同分割的工作。我们将问题定义为马尔可夫决策过程（MDP）并通过带异步优势 actor-critic（A3C）的RL优化。该RL图像协同分割网络利用图像间相关性从一组相关图像中分割共同且显著的对象。为实现自动分割，我们的RL-CoSeg方法去除了用户提示。针对图像协同分割问题，我们提出一种基于A3C模型的协作RL算法。我们提出一种孪生RL协同分割网络结构以获取图像协同注意力用于协同分割。我们改进自注意力用于自动RL算法，以获取长距离依赖并扩大感受野。自注意力所得图像特征信息可用于补充被删除的用户提示，并帮助获得更准确动作。实验结果表明，我们的方法在粗与细初始分割上均能显著提升性能，并在Internet数据集、iCoseg数据集与MLMR-COS数据集上达到SOTA性能。
引用
@article{arxiv.2204.05951,
title = {RL-CoSeg : A Novel Image Co-Segmentation Algorithm with Deep Reinforcement Learning},
author = {Xin Duan and Xiabi Liu and Xiaopeng Gong and Mengqiao Han},
journal= {arXiv preprint arXiv:2204.05951},
year = {2022}
}