基于深度社群学习的弱监督实例分割
计算机视觉与模式识别
2020-11-19 v3
摘要
我们提出一种基于深度社群学习与多任务的弱监督实例分割算法。该任务被表述为弱监督目标检测与语义分割的结合，其中同一类别的各个对象被分别识别与分割。我们通过设计统一的深度神经网络架构来解决此问题，该架构具有目标检测与边界框回归、实例掩码生成、实例分割和特征提取的正反馈环路。网络的每个组件都与其他组件主动交互以提高精度，且我们模型的端到端可训练性使结果更鲁棒且可复现。所提算法在标准基准数据集上无需任何如 Fast R-CNN 和 Mask R-CNN 的额外训练即在弱监督设定下达到最先进性能。我们算法的实现可在项目网页获取：https://cv.snu.ac.kr/research/WSIS_CL。
引用
@article{arxiv.2001.11207,
title = {Weakly Supervised Instance Segmentation by Deep Community Learning},
author = {Jaedong Hwang and Seohyun Kim and Jeany Son and Bohyung Han},
journal= {arXiv preprint arXiv:2001.11207},
year = {2020}
}
备注
WACV 2021