使用混合网络的弱监督实例分割
计算机视觉与模式识别
2018-12-13 v1
摘要
弱监督实例分割可大幅节省像素掩码标注的人工与时间成本，近年来受到越来越多的关注。常用流程首先利用传统图像分割方法自动生成初始掩码，然后以迭代方式使用它们训练现成的分割网络。然而，初始生成的掩码通常包含相当比例的无效掩码，主要由小物体实例引起。直接使用这些初始掩码训练分割模型会损害性能。为解决该问题，我们在本文中提出一种混合网络。在我们的架构中，有一个主分割网络用于处理具有有效生成掩码的正常样本。此外，添加了一个互补分支来处理无有效掩码的小且暗的物体。实验结果表明，我们的方法在小物体实例和大物体实例上均能实现显著的性能提升，并优于所有最先进（state-of-the-art）方法。
引用
@article{arxiv.1812.04831,
title = {Weakly Supervised Instance Segmentation Using Hybrid Network},
author = {Shisha Liao and Yongqing Sun and Chenqiang Gao and Pranav Shenoy K P and Song Mu and Jun Shimamura and Atsushi Sagata},
journal= {arXiv preprint arXiv:1812.04831},
year = {2018}
}
备注
5 pages, 5 figures