用于实例分割的有监督自适应阈值网络
计算机视觉与模式识别
2021-06-08 v1
摘要
当前，实例分割在机器学习领域正吸引越来越多关注。然而，此前的 Mask R-CNN 及其他网络模型在信息传播上存在一些缺陷。本文中，我们提出用于实例分割的有监督自适应阈值网络。具体而言，我们采用基于自适应阈值的 Mask R-CNN 方法，并通过建立分层自适应网络结构，对 Mask R-CNN 生成的概率图进行自适应二值化，以获得更好的分割效果并降低错误率。同时，设计了一种自适应特征池，使网络不同层之间的传输更准确有效，减少特征传输过程中的损失，并进一步改进 mask 方法。在基准数据集上的实验表明了所提模型的有效性。
引用
@article{arxiv.2106.03450,
title = {supervised adptive threshold network for instance segmentation},
author = {Kuikun Liu and Jie Yang and Cai Sun and Haoyuan Chi},
journal= {arXiv preprint arXiv:2106.03450},
year = {2021}
}