文件名称：superpixelRefinement:用于对象提案生成的基于超像素的优化（ICPR 2020）
文件大小：9.13MB
文件格式：ZIP
更新时间：2024-06-17 19:18:39
caffe cnn segmentation superpixels object-proposals
基于超像素的细化对象提案生成 对象的精确分割是类不可知对象提议生成或实例分割等任务中的一个重要问题。 基于深度学习的系统通常会基于粗糙特征图生成对象的分割，这是由于CNN固有的下采样。 这会导致分割边界与图像中的对象边界不一致。 为了解决这个问题，我们在最新的对象建议系统AttentionMask的基础上，引入了一种新的基于超像素的细化方法。 细化利用超像素池化进行特征提取，并使用新颖的超像素分类器来确定高精度超像素是否属于对象。 我们的实验表明，与原始 AttentionMask 相比，平均召回率提高了 26.0%。 此外，与各种基于深度学习的最新对象建议生成系统相比，对细分进行的定性和定量分析显示，对于拟议的改进，在边界遵守方面有了显着改进。 该系统基于和 。 如果您发现此软件对您的研究有用，请引用我们的论文。 @inproceedings{WilmsFrintropICPR