【DEXTR】Deep Extreme Cut：From Extreme Points to Object Segmentation

最新推荐文章于 2024-06-15 09:42:06 发布
最新推荐文章于 2024-06-15 09:42:06 发布
阅读量3.7k 收藏 6
点赞数 2
分类专栏： 论文阅读 Machine Learning
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/github_37973614/article/details/88087851
版权
DEXTR是一种基于深度学习的弱监督分割方法，仅使用对象的极点标注就能实现精确的图像分割。通过在RGB图像上添加高斯热图通道作为网络输入，它在COCO、PASCAL等多个数据集上表现出色。该方法适用于实例分割、视频分割和交互式分割等多种任务，并能用于创建密集标注，以训练其他监督技术。
摘要由CSDN通过智能技术生成

在这里插入图片描述
CVPR 2018

文章目录

概述

  • 要解决的问题
    • 弱监督分割
    • 通过一个object的left-most, right-most, top, bottom pixels作为输入(最初由Papadopoulos等人的Extreme clicking for efficient object annotation提出的做法)，来获取精准的目标分割（图片or视频）。
  • 采用的方法
    • 给输入的RGB图增加额外的一个通道构成网络的输入
  • 结果如何
    • 在COCO，PASCAL，Grabcut，DAVIS2016，DAVIS2017表现出了很好的效果。
Dataset Description
Grabcut Link
DAVIS2016/2017 video分割数据集
  • Contribution
    • 文章号称对以下场景可以用统一的方式来处理好：如监督学习里的标签费时费力费钱，弱监督学习的效果无法很好，半监督学习里的需要人来操作一些步骤，即需要人机的一些交互。
    • paper提出的方法DEXTR可以使用很多任务 ：Instance/Semantic segmentation, Video, Interactive segmentation。
    • 还可以用DEXTR来制作dense annotations to train supervised techniques.

细节

Method

  • Extreme points：弱监督分割，一般是使用目标的bbox来作为先验信息，但是，为了获取这
最低0.47元/天 解锁文章
One__Coder
关注
专栏目录
《（DEXTR）Deep Extreme Cut：From Extreme Points to Object Segmentation》论文笔记
m_buddy的博客
04-01 681
主页：dextr 参考代码：DEXTR-PyTorch 1. 概述 导读：这篇文章算是交互式分割种比较具有典型的了，在这篇文章中提出了一种使用极点作为引导，从而实现目标区域分割的方法。添加的引导不区分正负样本属性，只是去定义目标的边界，因而会在对应输入的卷积上添加1个channel就可以了。刚接触交互式分割的同学可以看看这篇文章，但是其也存在一些痛点问题。 文章的方法使用极点的形式作为引导，框出目标大致出现的位置，从而进行分割，其在一些图片上的结果见下图所示： 但是这样的方法在实际的过程中却存在下面的
《IOG：Interactive Object Segmentation with Inside-Outside Guidance》论文笔记
m_buddy的博客
04-07 2385
参考代码：Inside-Outside-Guidance paper数据集：Pixel-ImageNet 1. 概述 导读：这篇文章提出了一种新的交互式分割算法，其通过inside-outside guidance（IOG）引导分割网络生成更加精细的分割结果（也就是目标bounding box的左上和右下两个顶点和目标中心的点）。inside guidance是指目标区域的中心位置的点，用以标明前景信息，而outside guidance是目标区域之外的点，用以标明背景信息。这样进行交互引导的好处体现为：
【论文整理】Interactive Segmentation
学习 & 分享 ~
07-15 2358
论文地址：https://ieeexplore.ieee.org/document/937505 作者：Boykov, Y. Y., & Jolly, M. P 被引量：4519（2019/6） 交互方法：scribbles 代码：PyMaxflow：Python library for creating flow networks and computing the maxflow/mincut (aka graph-cuts for Python)概览：该方法基于 graph cut，由用户提供 see
【实验记录】Deep Extreme Cut (DEXTR)
学习 & 分享 ~
03-10 1172
实验参数 epoch = 100 classifier = '' trainBatch = 1 # Training batch size testBatch：1 # Testing batch size testInterval：1 # Run on test set every nTestInterval epochs snapshot：1 ...
【论文笔记】Deep Extreme Cut
学习 & 分享 ~
07-12 2089
主页：http://people.ee.ethz.ch/~cvlsegmentation/dextr/ 论文地址：https://arxiv.org/abs/1711.09081 代码：https://github.com/scaelles/DEXTR-PyTorch/ 概览 方法：使用目标物体的 extreme points（极限点），即最左、最右、最上、最下方的四个点作为输入，以此获得图像分...
探索未来图像分割新境界：深度极端切割（DEXTR）
最新发布
gitblog_00095的博客
06-15 336
探索未来图像分割新境界：深度极端切割（DEXTR） DEXTR-KerasTensorflowDeep Extreme Cut 项目地址:https://gitcode.com/gh_mirrors/de/DEXTR-KerasTensorflow 在图像处理与计算机视觉的浩瀚领域中，Deep Extreme Cut (DEXTR) 无疑是一颗璀璨的新星。本项目基于创新的研究成果，旨在通过仅标记...
Extreme Points and Extreme Rays
weixin_43509834的博客
05-05 1102
原文链接： Describing Polyhedra by Extreme Points and Extreme Rays 作者：John Mitchell
dextr：调用dextr模型的操作
02-15
DEXTR动作 使用对象中的极点（最左侧，最右侧，顶部，底部像素）作为输入，以获得图像和视频的精确对象分割。 DEXTR探索使用对象中的极端点（最左侧，最右侧，顶部，底部像素）作为输入，以获取图像和视频的精确...
【ExtremeNet】: Bottom-up Object Detection by Grouping Extreme and Center Points
OneCoder的博客
03-03 966
2019年的论文 文章目录概述细节ResultsConclusion 概述 要解决的问题 针对Anchor问题来进行思考的设计 采用的方法 One stage 仿CornerNet，但是CornerNet是使用的 左上角和右下角两个点检测，而本论文是对top, left, bottom, right四个极端点，再加上一个center点来进行检测。 借鉴了DEXTR的极端点方法。 ...
【论文笔记】Extreme Points Derived Confidence Map as a Cue
学习 & 分享 ~
03-11 265
论文地址：https://arxiv.org/abs/1906.02421，MICCAI 2019解决的问题基于 Extreme Points 设计先验信息，辅助分割网络提升训练性能。论文亮点方法描述Backbone：ResNet101 和 PSP module。去掉了网络最后的全连接层和两个最大池化层，将带孔卷积用在 resnet 最后两层，然后加入 PSP 模块获取全局信息。1. 方法流程：在 inference 过程中，将计算出的 Confidence Map 输入 CNN 网络中，如下图 (b)：
Extreme Injector v3.6.1 - by master131_mpgh.net
12-15
它由master131开发，据我所知，主要是mpqh成员。Extreme Injector实际上创建了许多现在期望用于注射器的“标准”功能。我要说的是，与GH Injector相比，它的一个好处是窗户小巧美观。无论如何，许多功能都是相同的。您有4-5个常规注入方法，在使用“手动映射”方法后要充裕一些才能最好地隐藏您的DLL。您可以对DLL进行加扰，就像对它进行多态处理一样，从而使基于签名的检测更加困难。极限注射还提供其他4，刚刚从这下载的：https://guidedhacking.com/threads/extreme-injector-v3-6-1-download.7607/
极简笔记 segmentation + transfer learning survey第二弹
Hibercraft的博客
07-23 1855
极简笔记 segmentation + transfer learning survey第二弹 @(academic)[极简笔记] Deep Extreme Cut: From Extreme Points to Object Segmentation 本文的思路非常简单，标注分割对象的极点（最上方点，最下，最左，最右），生成4 channel的极点位置高斯响应图，与输入图片concat...
【论文笔记】DeepCut: Object Segmentation from Bounding Box Annotations using Convolutional Neural Networks
dzm123lalala的博客
05-09 2567
这篇论文提出了一种给定弱标注的实例分割方法。其将微软研究院提出的GrabCut进行扩展，可以实现给定bounding boxes的神经网络分类器训练。该论文将分类问题视为在稠密连接的条件随机场下的能量最小化问题，并通过不断迭代实现实例分割。 Abstract In this paper, we propose DeepCut, a method to obtain pixelwise objec...
Deeplab、目标检测、Segmentation
赵木木
05-07 8364
论文阅读 - Semantic Image Segmentation With Deep Convolutional Nets and Fully Connected CRFs 1. Project 2. 笔记 摘要 —— 主要是将CNN和概率图模型结合，来处理像素级分类问题，即语义图像分割. 由于CNN具有不变性，适合于 high-level 任务，如图...
语义分割深度学习方法集锦
热门推荐
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
CVPR2018-Segmentation相关论文整理
Eternity的博客
06-18 6684
语义分割 题目 解决问题 使用方法 code 框架 Dynamic Video Segmentation Network 运行速度+视频中运动表示主要的思想是使用两个network(一个full-segmentation, 一个flow-warp network), 前者准确，后者用来加速。 对一张图片划分四个region , 分别判断这四个region 过哪一个network, 判...
论文学习笔记ExtremeNet（Bottom-up Object Detection by Grouping Extreme and Center Points）
Custom自定义
01-29 1万+
『写在前面』 目标检测新思路，检测目标极值点而不是回归包围框。 作者机构：Xingyi Zhou等，UT Austin 文章标题：《Bottom-up Object Detection by Grouping Extreme and Center Points》 原文链接：https://arxiv.org/pdf/1901.08043.pdf 相关repo：https://githu...
My Jumble of Computer Vision
joshua_1988
08-25 1万+
I am going to maintain this page to record a few things about computer vision that I have read, am doing, or will have a look at. Previously I’d like to write short notes of the papers that I have rea...
SAP BW官方教程：企业报表与分析
理解不同类型的DataSource，如直接提取（Direct Extraction, DExtr）和ABAP提取（ABAP Extractor）。 4. **InfoProviders**：数据存储单元，包括InfoCubes、MultiProviders和DataTargets。InfoCubes用于多维分析，...
评论
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