Semantic Instance Segmentation with a Discriminative Loss Function
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
mean-shift聚类
3、discriminative loss
1)公式
a)variance term
惩罚相同的instance的large distance
* 距离以内的像素不惩罚,hinged
b)distance term
惩罚不同instance的平均embedding之间的small distance(节省计算时间和计算量)
* 距离以外的像素不惩罚,hinged
c)regularization term
让所有的cluster尽可能靠近原点,使得激活值是有界限的
2)设置,则任意点与相同instance的其他点之间的距离 > 与不同instance的其他点之间的距离
Semantic Instance Segmentation with a Discriminative Loss Function相关推荐
- Semantic Instance Segmentation with a Discriminative Loss Function【论文详解】
PAPER:https://arxiv.org/abs/1708.02551 CODE:https://github.com/DavyNeven/fastSceneUnderstanding 一.整体 ...
- 3D Instance Segmentation via Multi-Task Metric Learning
Abstract 我们提出了一种新方法,用于密集3D体素网格的实例标签分割.我们的目标是使用深度传感器或多视图立体方法获取的体积场景表示,并使用语义3D重建或场景完成方法进行处理.主要任务是学习有关单 ...
- (NeurIPS 2019) Learning Object Bounding Boxes for 3D Instance Segmentation on Point Clouds
Abstract 我们提出了一种新颖的.概念上简单的通用框架,用于在3D点云上进行实例分割.我们的方法称为3D-BoNet,遵循每点多层感知器(MLP)的简单设计理念.该框架直接回归点云中所有实例的3 ...
- [Condinst]Conditional Convolutions for Instance Segmentation(ECCV. 2020 oral)
Conditional Convolutions for Instance Segmentation 如果对你帮助的话,希望给我个赞~ 文章目录 Conditional Convolutions fo ...
- Affinity Derivation and Graph Merge for Instance Segmentation阅读笔记
论文链接:https://arxiv.org/abs/1811.10870 用于实例分割的亲和派生和图合并方法 一.简介 文章提出了一种基于像素亲和信息的实例分割机制,使用了两个相似的网络结构,一个网 ...
- 【文献翻译CVPR2022】SoftGroup for 3D Instance Segmentation on Point Clouds
点云三维实例分割的软分组 目录 点云三维实例分割的软分组 摘要 1 简介 2 相关工作 3 方法 3.1 逐点预测网络 3.2 软分组 3.3 自上而下的精细化 3.4 多任务学习 4 实验 4.1 ...
- 3D Instance Embedding Learning With a Structure-Aware Loss Function for Point Cloud Segmentation
Abstract 这封信提出了一个在点云上进行3D实例分割的框架.使用3D卷积神经网络作为主干,同时生成语义预测和实例嵌入.除了嵌入信息,点云还提供反映点之间关系的3D几何信息.考虑到这两种类型的信息 ...
- [深度学习论文笔记][Instance Segmentation] Instance-aware Semantic Segmentation via Multi-task Network Cascad
Dai, Jifeng, Kaiming He, and Jian Sun. "Instance-aware semantic segmentation via multitask netw ...
- 语义分割--Loss Max-Pooling for Semantic Image Segmentation
Loss Max-Pooling for Semantic Image Segmentation CVPR2017 https://arxiv.org/abs/1704.02966 本文采用偏数学语言 ...
最新文章
- 疫情来袭,远程办公,敏捷团队怎么办?
- 彩蛋还是陷阱?我所经历的期权往事
- Git常用命令总结(超实用)
- 廖雪峰python教程视频-为什么看不懂廖雪峰的Python学习教程?
- BZOJ1021 [SHOI2008]循环的债务
- 【Java线程】多线程实现简单的一对一聊天
- flask的上下文的机理与应用(转载+整理)
- atom-design(Vue.js移动端组件库)手势组件介绍
- k8s 手动恢复redis 集群_高工面试之:redis的几种集群方式你都熟悉吗?
- Linux笔记-SVN(subversion)创建仓库及客户端连接及文件回滚
- Spring Security OAuth2.0_实现分布式认证授权_转发明文token给微服务_Spring Security OAuth2.0认证授权---springcloud工作笔记153
- RHCE系列之备份工具----镜像备份Rsync
- 【C/C++】基本数据类型的隐式类型转换
- C++ 非类型的模板参数
- paip.提升开发效率----JAVA网站
- 【TSP】基于matlab蚁群算法求解76城市旅行商问题【含Matlab源码 409期】
- 如何成为python高手(转)
- Zemax简单透镜的设计与优化
- C程序设计——打飞机
- 推销员基础解法c++