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

  1. 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 ...

  2. 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, ...

  3. 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 ...

  4. 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 ...

  5. 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 ...

  6. 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 ...

  7. 【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 ...

  8. 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 ...

  9. 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

  1. 在循环中正确找到对应DOM元素的索引
  2. java后端 返回json_Java后端返回Json数据
  3. IDEA使用GsonFormat完成JSON和JavaBean之间的转换
  4. openjdk-alpine镜像字体问题
  5. 利剑无意之JAVA面试题(二)
  6. 你为什么高考会考砸?-论出题侧重点其实是故意的
  7. mysql 日期时间类型 自动转型 及 运算
  8. permgen_打破PermGen神话
  9. 【软考】专栏导读(软考全面介绍、资格报考建议)
  10. 中控指纹识别仪(zk4500)在ASP.NET Web项目上的使用
  11. 限抗时代,化药里卖得最好的还是头孢!
  12. python 路径格式化_「原创」「python自学笔记」python编码规范
  13. 5G核心网技术基础自学系列 | 5G无线网
  14. 自兴人工智能——Python第二课(列表和元组)
  15. python练习_邮件定时收取处理附件后发送结果
  16. 【ROS入门教程】---- 01 ROS介绍
  17. **图片元信息Exif**
  18. putty软件下载和教程
  19. 图纸格式dwg批转pdf如何操作
  20. 【Ajax】简单入门 - 不深究

热门文章

  1. opencv setTo()
  2. C# Soap调WebService
  3. java数据结构之递归算法
  4. 详解log4j2(上) - 从基础到实战
  5. dedecms标签使用
  6. (转)jQuery第五课:Ajax
  7. 估算神经网络卷积核数量的近似方法
  8. The Relation Between Gradient Descent and Cost Funtion(To be continued)
  9. 【Paper】2015_Song_Consensus of Heterogeneous Agents with Linear Discrete Dynamics
  10. 梯度下降法Gradient Descent深度学习 机器学习