PaperNotes Instance-Level Salient Object Segmentation

简介: title: PaperNotes Instance-Level Salient Object Segmentationcomments: truedate: 2017-12-20 13:53:11description:updated:categories:tags:---https://arxiv.org/pdf/1704.03604.pdf摘要现有的显著性检测算法被DL带了一波节奏,但是好像还没有说哪个方法能在显著性区域中找出object instance。

title: PaperNotes Instance-Level Salient Object Segmentation
comments: true
date: 2017-12-20 13:53:11
description:
updated:
categories:
tags:
---

https://arxiv.org/pdf/1704.03604.pdf

摘要

现有的显著性检测算法被DL带了一波节奏,但是好像还没有说哪个方法能在显著性区域中找出object instance。本文就是做这件事的:给定输入图,先产生显著性mask,它包含了独立的目标个体。算法包含三个步骤:1.估计显著性图(saliency map);2.检测显著目标的边界(contour);3.找出所有目标个体。其中前两步是用一个多尺度显著性精调网络算出。。。

Introduction

saliency detection本身仅仅是检测出显著性的区域,而没有精细到目标个体级别。文章认为个体级别是下一步需要关注和解决的问题,把salient instance segmentation问题分解为3个子任务:1)生成pixel-level的saliency mask(用网络来产生). 2)检测出显著性目标实例的contour,也就是边界检测. 3)找出显著性个体实例,通过产生一些object proposal来做到。最后,基于CRF做微调细节。

提出了MSRNet网络,既能做显著性区域检测,也能做显著性目标个体检测。还创建了一个很有挑战性的数据集。

相关工作

传统的显著性检测方法,分成:
1)bottom-up方法系:基于low-level特征
2)top-down方法系:结合high-level知识

DL也被广泛使用在显著性检测中,基于DL的方法,分成:
1)segmentation or patch based,也就是基于分割或者小块区域的方法:把各个patch独立看待,考虑到patch之间的overlap,这种方法计算量大
2)end2end方式的显著性infernce方法:用一个网络来搞定精度和效率的问题,包括使用了基于RNN的网络,缺点是都只考虑了单个尺度(而本文的MSRNet则考虑了多尺度)。

本文提出的算法

------------     -------------     ------------     ----------
|          |     |           |     |Salient   |    |          |
|Salient   |     |Salient    |     |Instance  |    |Salient   |
|Region    | =>  |Object     |  => |Generation| => |instance  |
|Detection |     |Boundary   |     |(MCG)     |    |refinement|
|          |     |Detection  |     |          |    |(CRF)   |
------------     -------------     ------------    -----------

其中第一个subtask和第一个subtask,都用MSRNet来做,先train一个显著性区域检测网络,再用所得网络去fine-tune边界检测。这两个子任务的对应网络的loss函数有所不同,错误乘法系数一个是2倍,一个是10倍。具体见文章。

使用了MCG这个object proposal generation方法,其中gPb用MSRNet来替代产生。

目录
相关文章
|
Kubernetes Docker Windows
『阿里云加速』Docker DeskTop安装kubernetes时一直停留在Starting处理方案
📣读完这篇文章里你能收获到 - Docker DeskTop 安装K8S失败处理方案 - Docker 配置镜像加速器 - 数字签名的限制解除
1931 0
『阿里云加速』Docker DeskTop安装kubernetes时一直停留在Starting处理方案
|
存储 运维 安全
在Linux中,如何使用tcpdump和tshark进行实时数据包捕获?
在Linux中,如何使用tcpdump和tshark进行实时数据包捕获?
|
缓存 DataWorks 安全
DataWorks产品使用合集之如何进行触发式任务执行流程
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
190 1
|
8月前
|
传感器 分布式计算 算法
解码大数据的四个V:体积、速度、种类与真实性
解码大数据的四个V:体积、速度、种类与真实性
434 21
|
iOS开发 Android开发 MacOS
从零到全能开发者:解锁Uno Platform,一键跨越多平台应用开发的神奇之旅,让你的代码飞遍Windows、iOS、Android、macOS及Web,技术小白也能秒变跨平台大神!
【8月更文挑战第31天】从零开始,踏上使用Uno Platform开发跨平台应用的旅程。只需编写一次代码,即可轻松部署到Windows、iOS、macOS、Android及Web(通过WASM)等多个平台。Uno Platform为.NET生态带来前所未有的灵活性和效率,简化跨平台开发。首先确保安装了Visual Studio或VS Code及.NET SDK,然后选择合适的项目模板创建新项目。项目结构类似传统.NET MAUI或WPF项目,包含核心NuGet包。通过简单的按钮示例,你可以快速上手并构建应用。Uno Platform让你的技术探索之旅充满无限可能。
542 0
|
存储 消息中间件 缓存
四万字爆肝总结java多线程所有知识点(史上最全总结)
全文从多线程的实现方式、线程的状态、线程的方法、线程的同步、线程的通讯、等角度对多线程的基础知识进行总结
927 1
四万字爆肝总结java多线程所有知识点(史上最全总结)
|
Java 调度 Python
Python中篇 :2. asyncio和多线程结合实战
Python中篇 :2. asyncio和多线程结合实战
|
IDE Java Apache
commons-io如何添加和常见的用法
commons-io如何添加和常见的用法
|
云安全 Kubernetes 安全
云安全之Kubernetes API Server 8080端口未授权
在Kubernetes中,API Server是与集群通信的核心组件之一。默认情况下,Kubernetes API Server会在端口8080上侦听请求,如果Kubernetes API Server在8080端口上启用了未授权访问,那么攻击者可以通过该端口访问API Server并获取敏感信息或执行攻击。这可能会影响任何使用未经身份验证的HTTP协议连接的版本,包括Kubernetes的早期版本和未经修补的漏洞版本。
2066 0
阿里云无影云桌面怎么续费?续费教程来了
阿里云无影云桌面怎么续费?续费教程来了
1570 0
阿里云无影云桌面怎么续费?续费教程来了