目前实例分割分为两大类:
- propose & verify,即先用目标检测找出实例可能的边界框并分类,再对边界框进行前后景分割。这类方法以Mask RCNN为代表。缺点是对拥挤、遮挡、小目标和不规则物体的分割精度不高。
- 像素级分割。
A.半卷积用于实例分割(2018,Novotny)
本文用像素级分割实现实例分割。
广泛应用于深度学习中提取特征的卷积操作具有不变性,这限制了网络精确定位目标的能力。
目前实例分割分为两大类:
本文用像素级分割实现实例分割。
广泛应用于深度学习中提取特征的卷积操作具有不变性,这限制了网络精确定位目标的能力。