论文笔记之:Instance-aware Semantic Segmentation via Multi-task Network Cascades
Instance-aware Semantic Segmentation via Multi-task Network Cascades
Jifeng Dai Kaiming He Jian Sun
本文的出发点是做Instance-aware Semantic Segmentation,但是为了做好这个,作者将其分为三个子任务来做:
1) Differentiating instances. 实例区分
2) Estimating masks. 掩膜估计
3) Categorizing objects. 分类目标
通过这种分解,作者提出了如下的多任务学习框架,即:Multi-task Network Cascades (MNCs),示意流程如下:
下面详细的介绍下这个流程,即:
1. Multi-task Network Cascades
1). Regressing Box-level Instances
第一个阶段是回归出物体的bbox,这是一个全卷积的子网络。本文follow了Faster R-CNN的提取proposal的方法Region Proposal Networks (RPNs)。在共享feature之前,作者先用了一个 3*3的Conv 用于降维,紧跟着用2个1*1的Conv层回归出其位置,并且对目标进行分类。该阶段的loss function是:
其中,B是该阶段的输出,是一系列的box,B = { Bi }, Bi = { xi; yi; wi; hi; pi },box的中心点和长宽分别是:xi yi wi hi, yi是物体的概率。
2). Regressing Mask-level Instances
该阶段的输出是对每一个box的proposal进行像素级的mask分割。
Given a box predicted by stage 1, we extract a feature of this box by Region-of-Interest (RoI) pooling . The purpose of RoI pooling is for producing a fixed-size feature from an arbitrary box, which is set as 14*
论文笔记之:Instance-aware Semantic Segmentation via Multi-task Network Cascades相关推荐
- 论文笔记-Domain Adaptation for Semantic Segmentation with Maximum Squares Loss
论文信息 论文标题:Domain Adaptation for Semantic Segmentation with Maximum Squares Loss 论文作者:Minghao Chen, H ...
- 论文笔记:STD2P: RGBD Semantic Segmentation Using Spatio-Temporal Data-Driven Pooling
STD2P: RGBD Semantic Segmentation Using Spatio-Temporal Data-Driven Pooling Yang He, Wei-Chen Chiu, ...
- 论文笔记-Understanding Convolution for Semantic Segmentation
图森和CMU的合作工作. 论文链接[https://arxiv.org/abs/1702.08502](https://arxiv.org/abs/1702.08502) 主要提出DUC(dense ...
- JSNet: Joint Instance and Semantic Segmentation of 3D Point Clouds
Abstract 在本文中,我们提出了一种新的联合实例和语义分割方法,称为JSNet,以同时解决3D点云的实例和语义分割.首先,我们建立了一个有效的骨干网络来从原始点云中提取鲁棒的特征.其次,为了获得 ...
- ECCV2020语义分割——Self-Prediction for Joint Instance and Semantic Segmentation of Point Clouds
Self-Prediction for Joint Instance and Semantic Segmentation of Point Clouds Abstract (一) Introducti ...
- 论文笔记 Object-Aware Instance Labeling for Weakly Supervised Object Detection - ICCV 2019
Object-Aware Instance Labeling for Weakly Supervised Object Detection Kosugi ICCV, 2019 (PDF) (Citat ...
- 【论文阅读】Weakly Supervised Semantic Segmentation using Out-of-Distribution Data
一篇弱监督分割领域的论文,发表在CVPR2022上: 论文标题: Weakly Supervised Semantic Segmentation using Out-of-Distribution D ...
- 语义分割--Large Kernel Matters--Improve Semantic Segmentation by Global Convolutional Network
Large Kernel Matters–Improve Semantic Segmentation by Global Convolutional Network https://arxiv.org ...
- Robust semantic segmentation by dense fusion network on blurred vhr remote sensing images
Robust semantic segmentation by dense fusion network on blurred vhr remote sensing images 说明se的设计还是很 ...
最新文章
- 在循环中正确找到对应DOM元素的索引
- java后端 返回json_Java后端返回Json数据
- IDEA使用GsonFormat完成JSON和JavaBean之间的转换
- openjdk-alpine镜像字体问题
- 利剑无意之JAVA面试题(二)
- 你为什么高考会考砸?-论出题侧重点其实是故意的
- mysql 日期时间类型 自动转型 及 运算
- permgen_打破PermGen神话
- 【软考】专栏导读(软考全面介绍、资格报考建议)
- 中控指纹识别仪(zk4500)在ASP.NET Web项目上的使用
- 限抗时代,化药里卖得最好的还是头孢!
- python 路径格式化_「原创」「python自学笔记」python编码规范
- 5G核心网技术基础自学系列 | 5G无线网
- 自兴人工智能——Python第二课(列表和元组)
- python练习_邮件定时收取处理附件后发送结果
- 【ROS入门教程】---- 01 ROS介绍
- **图片元信息Exif**
- putty软件下载和教程
- 图纸格式dwg批转pdf如何操作
- 【Ajax】简单入门 - 不深究
热门文章
- opencv setTo()
- C# Soap调WebService
- java数据结构之递归算法
- 详解log4j2(上) - 从基础到实战
- dedecms标签使用
- (转)jQuery第五课:Ajax
- 估算神经网络卷积核数量的近似方法
- The Relation Between Gradient Descent and Cost Funtion(To be continued)
- 【Paper】2015_Song_Consensus of Heterogeneous Agents with Linear Discrete Dynamics
- 梯度下降法Gradient Descent深度学习 机器学习