本文解析了在ICCV workshop Large-Scale Video Object Segmentation Challenge中获得VIS赛道第二名的方案。该方案采用HTC进行目标提议生成，使用改进的SiamMask进行跟踪，并通过HRNet进行对象轨迹的重新分类，有效提高了视频对象分割的准确性和鲁棒性。
本文ICCV workshop Large-Scale Video Object Segmentation Challenge中VIS第二名，王强组做的
Method
第一阶段都是先生成proposal，作者没有用MaskRCNN，用的HTC
第二阶段track，选择SiamMask并做一些改变。
如图，把两个SiamMask级联。
Stage1里的Box branch生成一个initial proposal of object‘s location，然后在Stage2生成一个mask。这个tracking mask用于找到和当前object有联系的proposal。具体的，会计算tracking mask和每个新的detection mask的IOU， 超过0.7认为是一个class，低于0.4认为不是一个。
第三阶段是Re-classification of object tracks，作者做了实验就是，如果直接把track中的所有detections的类别概率做平均，val效果会不好，会出现misclassified的情况，作者选择了一个后处理的方法来预测最终的class。用HRNet输入cropped images patches of the object along the track，来或者一个新的关于这个object分类概率的track。
缺点：后处理分类
扫一扫
933
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
