情境化物体边界检测
计算机视觉与模式识别
2015-04-27 v1
摘要
直观上，真实物体边界的外观因图像而异。因此，通常那种训练单一边界预测器并忽视内容应用于所有图像的整体式方法必然次优。本文由此提出情境化物体边界检测：我们首先定义多种情境，并使用 [Dollar and Zitnick 2013] 为每种情境训练一个专用的物体边界检测器。然后给定测试图像，我们利用其上下文（通过全局图像外观建模）将其分类到这些情境中。我们应用相应的情境化物体边界检测器，并基于分类概率进行融合。在 ImageNet、Microsoft COCO 和 Pascal VOC 2012 分割上的实验表明，我们的情境化物体边界检测相比整体式方法有明显改进。此外，我们的方法在 SBD 数据集的语义轮廓检测上大幅优于 [Hariharan et al. 2011]。
引用
@article{arxiv.1504.06434,
title = {Situational Object Boundary Detection},
author = {Jasper Uijlings and Vittorio Ferrari},
journal= {arXiv preprint arXiv:1504.06434},
year = {2015}
}