弱监督与半监督全景分割
计算机视觉与模式识别
2019-01-15 v3
摘要
我们提出了一种弱监督模型,联合执行语义分割与实例分割——考虑到为这些任务获取像素级完美标注的巨额成本,这是一个尤为相关的问题。与许多基于目标检测器的流行实例分割方法不同,我们的方法不预测任何重叠实例。此外,我们能够分割“thing”类与“stuff”类,从而解释图像中的所有像素。“thing”类以边界框弱监督,“stuff”类以图像级标签弱监督。我们在 Pascal VOC 上取得了最先进的结果,包括全监督与弱监督(弱监督达到约 95% 的全监督性能)。此外,我们给出了 Cityscapes 上首个针对语义与实例分割的弱监督结果。最后,我们利用弱监督框架分析标注质量与预测性能之间的关系,这对数据集创建者具有参考意义。
引用
@article{arxiv.1808.03575,
title = {Weakly- and Semi-Supervised Panoptic Segmentation},
author = {Qizhu Li and Anurag Arnab and Philip H. S. Torr},
journal= {arXiv preprint arXiv:1808.03575},
year = {2019}
}
备注
ECCV 2018. The first two authors contributed equally