Vec2Instance：深度实例分割的参数化方法
计算机视觉与模式识别
2020-10-07 v1 机器学习
图像与视频处理
摘要
当前深度学习的进展正使计算机视觉任务（如目标分类、定位、语义分割与实例分割）达到人类水平的精度。本文中，我们描述了一种用于实例分割的名为 Vec2Instance 的新型深度卷积神经网络架构。Vec2Instance 提供了实例参数化的框架，使卷积神经网络能够高效估计实例在其质心周围的复杂形状。我们针对卫星图像上的实例分割任务证明了所提架构的可行性，此类任务具有广泛应用。此外，我们展示了这一新方法在从卫星图像中提取建筑足迹方面的有用性。我们方法的总像素级精度为 89%，接近最先进的 Mask RCNN（91%）的精度。Vec2Instance 是复杂实例分割流程的一种替代方案，具有简洁与直观的特点。本研究开发的代码可在 Vec2Instance GitHub 仓库获取：https://github.com/lakmalnd/Vec2Instance
引用
@article{arxiv.2010.02725,
title = {Vec2Instance: Parameterization for Deep Instance Segmentation},
author = {N. Lakmal Deshapriya and Matthew N. Dailey and Manzul Kumar Hazarika and Hiroyuki Miyazaki},
journal= {arXiv preprint arXiv:2010.02725},
year = {2020}
}
备注
12 pages, 9 figures