字节跳动新框架：图片中遮挡关系如何判断？（附源代码）

关注并星标

从此不迷路

计算机视觉研究院

公众号ID｜ComputerVisionGzq

学习群｜扫码在主页获取加入方式

• 论文链接：https://arxiv.org/abs/2108.05722

• 代码链接：https://github.com/fengpanhe/MT-ORL

计算机视觉研究院专栏

作者：Edison_G

到底是谁挡住了谁？遮挡边界又在哪里？对于人类来说，物体之间的遮挡关系非常容易判断，但对于 AI 来说，这个任务就没那么简单了。转自于《机器之心》

传统方法存在哪些问题？

新方法有何创新之处？

遮挡共享和路径分离网络

本文提出的遮挡共享和路径分离网络（OPNet）如下图所示：

遮挡方向的正交遮挡表示法

下图展示了四种基于边界的遮挡方向表示示意图。

实验结果

作者分别在 PIOD 和 BSDS ownership 两个数据集上评估了模型和方法的有效性。

下图是预测结果的可视化比较。如图，作者的方案在边界和遮挡关系的预测上都有明显的提升。

总结

© THE END 

转载请联系本公众号获得授权

计算机视觉研究院学习群等你加入！

计算机视觉研究院主要涉及深度学习领域，主要致力于人脸检测、人脸识别，多目标检测、目标跟踪、图像分割等研究方向。研究院接下来会不断分享最新的论文算法新框架，我们这次改革不同点就是，我们要着重”研究“。之后我们会针对相应领域分享实践过程，让大家真正体会摆脱理论的真实场景，培养爱动手编程爱动脑思考的习惯！

扫码关注

计算机视觉研究院

公众号ID｜ComputerVisionGzq

学习群｜扫码在主页获取加入方式

 往期推荐 

🔗

• 多目标检测：基于YoloV4优化的多目标检测（附论文下载）
  

• Fast YOLO：用于实时嵌入式目标检测（附论文下载）
  

• 目标检测干货 | 多级特征重复使用大幅度提升检测精度（文末附论文下载）
  

• 多尺度深度特征（下）：多尺度特征学习才是目标检测精髓（论文免费下载）
  

• 多尺度深度特征（上）：多尺度特征学习才是目标检测精髓（干货满满，建议收藏）

• ICCV2021目标检测：用图特征金字塔提升精度（附论文下载）
  

• CVPR21小样本检测：蒸馏&上下文助力小样本检测（代码已开源）
  

• 半监督辅助目标检测：自训练+数据增强提升精度（附源码下载）
  

• 目标检测干货 | 多级特征重复使用大幅度提升检测精度（文末附论文下载）
  

• 目标检测新框架CBNet | 多Backbone网络结构用于目标检测（附源码下载）