零样本实例分割
计算机视觉与模式识别
2021-06-02 v2
摘要
深度学习凭借丰富的标注数据显著提升了实例分割的精度。然而，在医疗和制造等诸多领域，收集充足数据极其困难，且标注此类数据需要高超专业技能。受此驱动，我们提出一个名为零样本实例分割（ZSI）的新任务集。在 ZSI 的训练阶段，模型使用可见数据训练；而在测试阶段，它用于分割所有可见与不可见实例。我们首先形式化了 ZSI 任务并提出了一种应对该挑战的方法，其由零样本检测器、语义掩码头、背景感知 RPN 与同步背景策略组成。我们基于 MS-COCO 数据集提出了零样本实例分割的新基准。该基准中广泛的实证结果表明，我们的方法不仅在零样本目标检测任务上超越最先进结果，也在 ZSI 上取得有前景的性能。我们的方法将作为坚实基线并推动零样本实例分割的未来研究。
引用
@article{arxiv.2104.06601,
title = {Zero-Shot Instance Segmentation},
author = {Ye Zheng and Jiahong Wu and Yongqiang Qin and Faen Zhang and Li Cui},
journal= {arXiv preprint arXiv:2104.06601},
year = {2021}
}
备注
8 pages, 6 figures