用于实例分割的半卷积算子
计算机视觉与模式识别
2018-07-30 v1
摘要
目标检测与实例分割由 Mask RCNN 等基于区域的方法主导。然而,人们越来越关注将这些问题化简为像素标注任务,因为后者可能更高效、可无缝集成到许多其他任务中使用的图像到图像网络架构中,并且对于不能很好地用边界框近似的对象可能更准确。在本文中,我们从理论和经验上表明,使用卷积算子构建能够分离对象实例的稠密像素嵌入不易实现。同时,我们表明一些简单的修改(我们称之为半卷积)在此任务上成功的机会要大得多。我们利用后者展示了与霍夫投票(Hough voting)以及由卷积网络在空间上引导的双边核变体之间的联系。我们证明这些算子也可用于改进 Mask RCNN 等方法,展示出比单独使用 Mask RCNN 所能实现的更复杂的生物形状与 PASCAL VOC 类别的分割效果。
引用
@article{arxiv.1807.10712,
title = {Semi-convolutional Operators for Instance Segmentation},
author = {David Novotny and Samuel Albanie and Diane Larlus and Andrea Vedaldi},
journal= {arXiv preprint arXiv:1807.10712},
year = {2018}
}
备注
Accepted as a conference paper at ECCV 2018