SE-PSNet：基于轮廓的增强特征用于全景分割网络
计算机视觉与模式识别
2021-07-13 v1 机器学习
摘要
近来出现了结合语义分割与实例分割的全景分割任务，其目标是为每个像素赋予相应的实例 ID。本工作中，我们提出一种解决全景分割任务的方案。整体结构结合了自底向上方法与自顶向下方法。因此，不仅能获得更好的性能，还能保持执行速度。该网络主要关注掩码质量。在先前工作中可见物体轮廓不均匀更易出现，导致低质量预测。相应地，我们提出针对物体与背景轮廓的增强特征及相应损失函数以改进掩码。同时，我们使用新提出的置信度分数解决遮挡问题，并使网络倾向于使用更高质量的掩码作为预测结果。为验证我们的研究，我们使用 COCO 数据集与 CityScapes 数据集进行实验，获得了具有竞争力的结果和较快的推理时间。
引用
@article{arxiv.2107.05093,
title = {SE-PSNet: Silhouette-based Enhancement Feature for Panoptic Segmentation Network},
author = {Shuo-En Chang and Yi-Cheng Yang and En-Ting Lin and Pei-Yung Hsiao and Li-Chen Fu},
journal= {arXiv preprint arXiv:2107.05093},
year = {2021}
}
备注
Technical report