图像分割——ESE-Seg（Explicit Shape Encoding for Real-Time Instance Segmentation）

Explicit Shape Encoding for Real-Time Instance Segmentation 基于显式形状分割编码的实时实例分割

论文地址：https://arxiv.org/pdf/1908.04067

1.摘要

在本文中，我们提出了一种基于形状编码的自上而下的实例分割框架，称为ESE-Seg。它通过使用张量运算显式地解码多个对象形状，大大的减少了实例分割的计算量，与对象检测的速度几乎相同，并且基于IR（内心半径）、切比雪夫多项式和强大的现代物理检测器。

2.名词解释

（1）图像分类（Image Classification）
检测图像中含有哪些分类，例如人、牛、羊。
（2）目标检测（Object Detection）
图片里有什么？分别在哪里，见下图（b）
常用的检测算法：Faster R-CNN、YOLO

（3）语义分割
区分图中的每一点像素。见下图（a）
（4）实例分割
是目标检测和语义分割的结合
相对于目标检测的边界框，实例分割可以精确到物体的边缘；相对于语义分割，实例分割需要标注出图上同一物体的不同个体，例如羊1，羊2，羊3…… 见下图（b）

3.方法

1）IR: 对轮廓进行参数设置
内部中心点：以轮廓上的最远点定义，可以通过距离变换获得。
2）切比雪夫多项式多项式：以少量系数来近似形状特征向量

给定IR的形状特征，可以用下式切比雪夫多项式逼近

k是形状标签向量
3）网络学习对其进行回归
4）通过张量运算在普通对象检测框架下解码形状描述符