基于点标注的弱监督实例分割

摘要：

实例分割,又名同时检测和分割(simultaneous detection and segmentation),需要标注像素级别的实例掩膜用于训练.然而,这种标注工作需要非常细致的人力劳动,费时费力.本论文提出只使用每个目标实例的单点标注,使得标注成本大大降低.本文提出的模型包括两个模块:基于外观信息和相邻包围框投票的框校验模块,以及基于推断掩膜的上下文信息的区块校验模块.这种设计保留了像素级别的实例信息,有助于抑制单纯图像分割模型训练过程中的误差累积.本文使用弱监督和半监督训练的实验来验证本工作的有效性,比现有方法取得更高的实例分割性能.

关键词：实例分割、弱监督学习、半监督学习

所属期刊栏目：36

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金项目61702338,61671325

在线出版日期：2020-11-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1440-1449