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

最新推荐文章于 2024-06-04 09:56:50 发布
置顶 最新推荐文章于 2024-06-04 09:56:50 发布
阅读量6k 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
本文介绍了如何利用度量学习进行语义实例分割，通过定制损失函数训练CNN学习像素到高维空间的映射，使同类像素在高维空间中的距离接近，最终使用聚类完成分割任务。文章详细阐述了整体框架、度量学习的映射获取、测试过程和误差分析。
摘要由CSDN通过智能技术生成

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。

下面用一个二维的embedding空间来形象的解释系统的工作流程。如图所示，第二行显示的是通过不同迭代次数后的CNN所得的映射二维空间（这

最低0.47元/天 解锁文章
sgx_hit
关注
专栏目录
Instance Segmentation原理与代码实例讲解
AI大模型应用之禅
06-25 862
Instance Segmentation原理与代码实例讲解 1.背景介绍 在计算机视觉领域，图像分割是一项重要的任务。图像分割可以分为语义分割和实例分割。语义分割的目标是将图像中的每个像素分类到一个特定的类别，而实例分割不仅要分类，还要区分同一类别中的不同实例。
论文阅读：Instance-aware Semantic Segmentation via Multi-task Network Cascades
Ethan_Wuuu的博客
08-07 1824
论文框架：作者提出一种基于多任务的网络串联方法（Multi-task Network Cascade），解决问题实例分割（Instance-aware Semantic Segmentation）。该模型分成三个子网络，differentiate instance，estimate mask，category object。分别针对三个问题，获取region-level的检测框，得到pixel-le
Semantic Instance Segmentation with a Discriminative Loss Function
sinat_30618203的博客
04-11 911
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 ...
论文笔记——Semantic Instance Segmentation via Deep Metric Learning
许希律的博客
09-15 1571
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，...
Instance Segmentation Semantic Segmentation
YLH9604的专栏
10-18 2645
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
「Computer Vision」Note on Discriminative Loss Function
小锋子Shawn
03-13 413
QQ Group: 428014259 Tencent E-mail：403568338@qq.com http://blog.csdn.net/dgyuanshaofeng/article/details/88543494 [1] Semantic Instance Segmentation with a Discriminative Loss Function CVPRW 2017 [pape...
PyTorch Exercise: A new loss function for discriminative tagging
CrazyBull2012的博客
02-27 823
学习PyTorch教程，其中biLSTM-CRF中给出了Exercise，此处解决方案为：在 class BiLSTM_CRF 中添加成员函数neg_log_likelihood2()，使用viterbi译码的得分与gold score的差作为loss。It wasn’t really necessary for us to create a computation graph when doin...
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...
Amodal Instance Segmentation with KINS Dataset论文理解
给时光以生命
02-16 3134
预测被挡住的Mask
《RefineMask：Towards High-Quality Instance Segmentation with Fine-Grained Features》论文笔记
m_buddy的博客
11-13 2723
参考代码：RefineMask 1. 概述 导读：在这篇文章中针对以Mask-RCNN为代表的实例分割模型存在实例分割mask掩膜边界补贴合的问题进行探究，文章指出由于网络存在下采样操作以及RoI Pooling的操作使得进行mask预测的特征图丢失了很多细节信息，进而导致了实例分割结果边界较差的问题。对此文章从如下几个方面对实例分割头部分进行改进： 1）直接使用FPN网络特征图输出的P2P2P2特征图添加几个卷积之后进行语义分割，从而辅助实例分割部分； 2）采用级联优化的形式，逐渐增加mask预测的分辨
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
pytorch-discriminative-loss:通过pytorch进行区分性损失的实例分割的实现
05-28
火炬鉴别损失 该存储库通过pytorch实施的。 预训练模型 从下载模型并将其保存在模型/中 环境环境 Ubuntu16.04 python3.6.4 火炬：0.3.1 opencv的：3.3.1 参考
Instance Segmentation 和 Semantic Segmentation
l_b_yuan的博客
12-29 7604
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 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 3223
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
实例分割新纪元：基于区分性损失函数的深度探索
最新发布
gitblog_00090的博客
06-04 389
实例分割新纪元：基于区分性损失函数的深度探索 项目地址:https://gitcode.com/hq-jiang/instance-segmentation-with-discriminative-loss-tensorflow 在机器视觉领域，实例分割是一项至关重要的任务，它不仅要求模型能够识别图像中的物体类别，还需精确勾勒出每个对象的具体轮廓。今天，我们要向您隆重推荐一个开源项目——基于区分性...
车道线分割项目记录-Discriminative_loss
Swayzzu的博客
01-14 1866
车道线分割的专属损失函数discriminative loss
语义分割、实例分割、全景分割的区别（Semantic vs. Instance vs. Panoptic Segmentation）
huarzail的专栏
07-15 7677
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。
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