Semantic Instance Segmentation with a Discriminative Loss Function【论文详解】

最新推荐文章于 2023-07-15 16:17:34 发布
置顶 VIP文章 最新推荐文章于 2023-07-15 16:17:34 发布
阅读量5.9k 收藏 24
点赞数 5
分类专栏： 论文笔记 工作总结 文章标签： Instance Segmentation
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Xiong_Sun/article/details/81710934
版权

PAPER：https://arxiv.org/abs/1708.02551
CODE：https://github.com/DavyNeven/fastSceneUnderstanding

一、整体框架、流程

本文提出了一种基于量度学习Metic learning的用于语义分割和实例分割的方法。自定义LOSS训练CNN学习到一种metric，即从像素空间到高纬度空间的映射。使得同类（同实例）物体中的像素映射到高维空间后，得到的embedding vector之间的距离（L1、L2距离）相近，从而使用聚类的方式完成分割任务。

其流程简介如下：

首先，上图是输入图片，下图是实例分割的ground truth。

最低0.47元/天 解锁文章
sgx_hit
关注
  • 5
    点赞
  • 踩
  • 24
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
专栏目录
【论文解读】LaneNet 基于实体分割的端到端车道线检测
黎国溥
07-27 6047
前言 这是一种端到端的车道线检测方法，包含LanNet+H-Net两个网络模型。 LanNet是一种多任务模型，它将 实例分割 任务拆解成“语义分割”和“对像素进行向量表示”，然后将两个分支的结果进行聚类，得到实例分割的结果。 H-Net是个小网络，负责预测变换矩阵H，使用转换矩阵H对同属一条车道线的所有像素点进行重新建模。即：学习给定输入图像的透视变换参数，该透视变换能够对坡度道路上的车道线进行良好地拟合。 整体的网络结构如下： 论文地址：Towards End-to-E......
论文笔记——Semantic Instance Segmentation via Deep Metric Learning
许希律的博客
09-15 1551
度量学习（Metric Learning）也就是常说的相似度学习。如果需要计算两张图片之间的相似度，如何度量图片之间的相似度使得不同类别的图片相似度小而相同类别的图片相似度大（maximize the inter-class variations and minimize the intra-class variations）就是度量学习的目标。 在这篇论文中，度量学习用于计算像素之间的相似度，...
Semantic Instance Segmentation with a Discriminative Loss Function
sinat_30618203的博客
04-11 834
1、优点 1）不依赖proposal，避免了detect-and-segment方法的弊端，有利于遮挡物体的检测 2）擅长区分高度相似的物体（不擅长形态各异的物体） 2、方法 1）pixel embedding（语义分割框架） 预测每个pixel处的representation（n维向量），使得同一个instance的向量距离较近，不同instance的向量距离较远 2）后处理（聚类） 3、discriminative loss ...
Semantic Soft Segmentation(MIT最新论文+源码_matlab）
09-03
来自 MIT CSAIL 的研究人员开发了一种精细程度远超传统语义分割方法的「语义软分割」技术，连头发都能清晰地在分割掩码中呈现。在对比实验中，他们的结果远远优于 PSPNet、Mask R-CNN、spectral matting 等基准。这项技术对于电影行业的 CGI 技术具有重大意义，精细的分割掩码能很好地分离图像中的前景和背景，只要鼠标一点，就能轻易地改变前景、背景的种类。也就是说，像《变形金刚》《复仇者联盟》《奇幻森林》中的大部分电影特效将可以完全自动化地生成。
semantic soft segmentation
11-30
图像的语义分割。与之前的工作不同，这篇论文里的分割是“soft”的。资源里还有一些自己做的备注。
Digital Image Semantic Segmentation Algorithms : A Survey
02-07
In the eld of computer vision, image semantic segmentation is an important research branch and it is also a challenging task. Applications such as autonomous driving, Unmanned Aerial Vehicle System (UAVS), and even virtual or augmented reality systems require accurate and ecient segmentation mechanisms. With the rise of deep learning methods, image semantic segmentation is more and more concerned by relevant researchers. In order to understand the research status, existing problems and developme
SemanticSegmentation
04-05
语义分割 这是一个训练语义隔离模型的存储库。 随着时间的流逝，它会得到改善。 ·· 目录 关于该项目 这个项目开始时是我的硕士论文。 我将尽我所能继续改进它。 内置使用 Python 3.7 PyTorch 1.2.0 火炬视觉0.4.0 入门 要启动并运行本地副本，请遵循以下简单步骤。 要求 首先按照以下步骤安装要求。 pip install -r requirments.txt 安装 克隆仓库git clone https://github.com/MR3z4/SemanticSegmentation.git 运行训练代码python main.py 用法 它将随着时间的推移完成。 路线图 多GPU支持 增加RMI损失 添加用于训练的混音选项 毫不犹豫地添加混音以进行混音训练 添加AdaBelief优化器选项进行培训 添加CE2P网络（具有正常的BatchNorm
SOLO论文笔记
陈建驱的博客
08-20 1098
论文：Xinlong Wang,Tao Kong,Chunhua Shen1,Yuning Jiang,Lei Li.SOLO: Segmenting Objects by Locations.阿莱德大学和字节跳动。 摘要 这篇论文提出了一个新的实例分割模型SOLO。与语义分割相比，实例分割任务由于实例数量的不确定,因此更加困难。为了预测实例掩码，主流方法要么“detect-then-segment”，比如Mask R-CNN；要么先预测每个像素的类别，再使用聚类技术划分实例。本文从...
CCNet：交叉注意力语义分割
AI数据工厂
01-31 7005
为了解决Non-local中自注意力模的的计算复杂度过大的问题，提出了CCA模块以及RCCA模块，既降低了计算复杂度，又降低了内存的使用率，并以此模块为基础构建了CCNet网络
Semantic Segmentation（语义分割）、Instance Segmentation（实例分割）、Panoptic Segmentation（全景分割）之间的区别
u013925378的博客
05-19 2875
Semantic Segmentation（语义分割）、Instance Segmentation（实例分割）、Panoptic Segmentation（全景分割）是图像分割中常见的术语，它们之间有什么区别呢？ 1、Semantic Segmentation（语义分割） 语义分割就是把图像中每个像素赋予一个类别标签（比如汽车、建筑、地面、天空等），比如下图就把图像分为了草地（浅绿）、人（红色）、树木（深绿）、天空（蓝色）等标签，用不同的颜色来表示。 不过这种分割方式存在一些问题，比如如果一个像素
语义分割、实例分割、全景分割的区别（Semantic vs. Instance vs. Panoptic Segmentation）
最新发布
huarzail的专栏
07-15 4076
图像分割是一种计算机视觉和图像处理技术，涉及在像素级别上对图像中的相似区域或片段进行分组或标记。
pytorch-semantic-segmentation：用于语义分割的PyTorch
02-05
PyTorch用于语义分割 该存储库包含一些用于语义分割的模型以及在PyTorch中实现的训练和测试模型的管道 楷模 Vanilla FCN：分别为VGG，ResNet和DenseNet版本的FCN32，FCN16，FCN8（ ） U-Net（ ） SegNet（ ） PSPNet（） GCN（） DUC，HDC（） 需求 PyTorch 0.2.0 PyTorch的TensorBoard。 安装 其他一些库（在运行代码时查找丢失的内容：-P） 制备 转到models目录并在config.py中设置预训练模型的路径 转到数据集目录并按照自述文件进行操作 去做 DeepLab v3
deepcnn人脸识别center loss（discriminative feature learning）
05-22
Convolutional neural networks (CNNs) have been widely used in computer vision community, significantly improving the state-ofthe- art. In most of the available CNNs, the softmax loss function is used as the supervision signal to train the deep model. In order to enhance the discriminative power of the deeply learned features, this paper proposes a new supervision signal, called center loss
Instance Segmentation Semantic Segmentation
YLH9604的专栏
10-18 2618
作者：周博磊 Instance Segmentation 比 Semantic Segmentation 来源：知乎 著作权归作者所有，转载请联系作者获得授权。 最近也在做跟这个相关的问题，来分享一下自己的见解． 图1. 这张图清楚说明了image classification, object detection, semantic segmentation, instanc
语义分割深度学习方法集锦
生如蚁，美如神
01-19 1万+
转载：https://github.com/handong1587/handong1587.github.io/edit/master/_posts/deep_learning/2015-10-09-segmentation.mdPapersDeep Joint Task Learning for Generic Object Extraction intro: NIPS 2014 homepage
Semantic Segmentation
Touch_Dream的博客
10-26 2065
Semantic Segmentation Deep Dual Learning for Semantic Image Segmentation-2017 [Paper]Segmentation-Aware Convolutional Networks Using Local Attention Masks - 2017 [Paper] [Code-Caffe][Project]Stacke
语义分割 - Semantic Segmentation Papers
热门推荐
长风破浪会有时，直挂云帆济沧海
05-23 2万+
Semantic Segmentation Learning a Discriminative Feature Network for Semantic Segmentation - CVPR2018 - Face++ [Paper] Vortex Pooling: Improving Context Representation in Semantic Segmentation - 2018...
「Computer Vision」Note on Discriminative Loss Function
小锋子Shawn
03-13 379
QQ Group: 428014259 Tencent E-mail：[email protected] http://blog.csdn.net/dgyuanshaofeng/article/details/88543494 [1] Semantic Instance Segmentation with a Discriminative Loss Function CVPRW 2017 [pape...
Instance Segmentation 和 Semantic Segmentation
l_b_yuan的博客
12-29 7548
本文转自： https://www.zhihu.com/question/51704852 周博磊 MIT博士在读, AI and Computer Vision 收录于 编辑推荐 •217 人赞同 最近也在做跟这个相关的问题，来分享一下自己的见解． 图1. 这张图清楚说明了image classification, object detection, semantic segmentat
semantic instance segmentation with a discriminative loss function
04-11
b'semantic instance segmentation with a discriminative loss function'的意思是在语义实例分割中使用判别性损失函数。在这种方法中，损失函数被设计为鼓励模型在像素级别对不同实例进行区分，而不是简单地将所有像素分配到它们应该属于的类别中。通过这种方法，模型可以更好地学习分割目标物体的边界，从而提高语义分割的准确性和鲁棒性。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 7
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值