单阶段全景分割
计算机视觉与模式识别
2020-09-01 v2 机器人学
摘要
我们提出一种新颖的端到端单阶段方法，以近乎视频帧率将可计数对象实例（things）以及背景区域（stuff）分割为不重叠的全景分割。当前最先进的方法远未达到视频帧率，且大多依赖将实例分割与语义背景分割相融合，使其在许多如机器人等应用中不实用。我们的方法通过使用目标检测器放宽了这一要求，但仍能解决类间与类内重叠以实现不重叠分割。在共享的编码器-解码器骨干之上，我们利用多个分支进行语义分割、目标检测和实例中心预测。最后，我们的全景头将所有输出组合为全景分割，甚至能处理分支间的冲突预测以及某些错误预测。我们的网络在 MS-COCO 上以 23.5 FPS 达到 32.6% PQ，将全景分割拓展至更广阔的应用领域。
引用
@article{arxiv.1911.00764,
title = {Single-Shot Panoptic Segmentation},
author = {Mark Weber and Jonathon Luiten and Bastian Leibe},
journal= {arXiv preprint arXiv:1911.00764},
year = {2020}
}
备注
Accepted to IROS 2020