MaskLab：通过使用语义和方向特征优化对象检测来分割实例
Liang-Chieh Chen、Alexander Hermans、George Papandreou、Florian Schroff、Peng Wang、Hartwig Adam; IEEE计算机视觉和模式识别会议记录，2018年，第4013-4022页
摘要
在这项工作中，我们解决了实例分割问题，即同时解决对象检测和语义分割的任务。为此，我们提出了一个名为MaskLab的模型，它产生三个输出：框检测、语义分割和方向预测。在Faster-RCNN对象检测器的基础上，预测框提供了对象实例的准确定位。在每个感兴趣的区域内，MaskLab通过结合语义和方向预测来执行前景/背景分割。语义分割有助于模型区分包括背景在内的不同语义类别的对象，而方向预测，估计每个像素朝向其对应中心的方向，允许分离同一语义类别的实例。此外，我们还探讨了从分割和检测两方面（例如，反褶积和超列）结合最近成功的方法的效果。我们提出的模型在COCO实例分割基准上进行了评估，并显示出与其他最先进的模型相当的性能。
相关材料
[pdf格式][支持][arXiv公司][围巾]@会议记录{Chen_2018_CVPR，
author={陈、梁雪和赫尔曼斯、亚历山大和帕潘德里欧、乔治和施罗夫、弗洛里安和王、彭和亚当、哈特维格}，
title={MaskLab:通过使用语义和方向特征优化对象检测进行实例分割}，
booktitle={IEEE计算机视觉和模式识别会议论文集}，
月={6月}，
年份={2018年}
}
