结合再识别的视频对象分割
计算机视觉与模式识别
2017-08-02 v1 机器学习
摘要
传统的视频分割方法通常依赖时间连续性来传播掩膜。这种假设会面临诸如漂移以及无法处理大位移等问题。为了克服这些问题，我们提出了一种通过自适应对象再识别来防止目标丢失的有效机制。具体而言，我们的结合再识别的视频对象分割 (VS-ReID) 模型包含一个掩膜传播模块和一个 ReID 模块。前者通过流形变换生成初始概率图，而后者通过自适应匹配检索丢失的实例。通过迭代应用这两个模块，我们的 VS-ReID 取得了 0.699 的全局均值（Region Jaccard 和 Boundary F measure），这是 2017 DAVIS Challenge 上的最佳性能。
关键词
引用
@article{arxiv.1708.00197,
title = {Video Object Segmentation with Re-identification},
author = {Xiaoxiao Li and Yuankai Qi and Zhe Wang and Kai Chen and Ziwei Liu and Jianping Shi and Ping Luo and Xiaoou Tang and Chen Change Loy},
journal= {arXiv preprint arXiv:1708.00197},
year = {2017}
}
备注
Published in CVPR 2017 Workshop, DAVIS Challenge on Video Object Segmentation 2017 (Winning Entry)