S4Net：单阶段显著实例分割
计算机视觉与模式识别
2019-04-11 v2
摘要
本文考虑一个有趣的问题——显著实例分割。我们的网络不仅生成边界框，还输出高质量的实例级分割结果。考虑到每个目标的类别无关属性，我们设计了一个带有新颖分割分支的单阶段显著实例分割框架。我们的新分支不仅考虑每个检测窗口内的局部上下文，还考虑其周围上下文，使我们能够区分同一范围内即便存在遮挡的实例。我们的网络可端到端训练，并以快速运行（处理分辨率 320x320 的图像时达 40 fps）。我们在公开基准上评估了该方法，结果表明其优于其他替代方案。我们还对设计选择进行了透彻分析，以帮助读者更好地理解网络各部分的功能。源代码见 \url{https://github.com/RuochenFan/S4Net}。
引用
@article{arxiv.1711.07618,
title = {S4Net: Single Stage Salient-Instance Segmentation},
author = {Ruochen Fan and Ming-Ming Cheng and Qibin Hou and Tai-Jiang Mu and Jingdong Wang and Shi-Min Hu},
journal= {arXiv preprint arXiv:1711.07618},
year = {2019}
}