0
| 本文作者： skura | 2019-03-18 15:21 |
雷鋒網(wǎng) AI 科技評(píng)論按，本文作者劉環(huán)宇，系浙江大學(xué)控制科學(xué)與工程自動(dòng)化系碩士，曠視科技研究院算法研究員，全景分割算法 OANet 第一作者，研究方向包括全景分割、語義分割等。同時(shí)，他也是 2018 COCO + Mapillary 全景分割比賽曠視 Detection 組冠軍團(tuán)隊(duì)成員。
本文原載于知乎，雷鋒網(wǎng)獲授權(quán)轉(zhuǎn)載。
前言
在計(jì)算機(jī)視覺中，圖像語義分割（Semantic Segmentation）的任務(wù)是預(yù)測(cè)每個(gè)像素點(diǎn)的語義類別；實(shí)例分割（Instance Segmentation）的任務(wù)是預(yù)測(cè)每個(gè)實(shí)例物體包含的像素區(qū)域。全景分割 [1] 最先由 FAIR 與德國(guó)海德堡大學(xué)聯(lián)合提出，其任務(wù)是為圖像中每個(gè)像素點(diǎn)賦予類別 Label 和實(shí)例 ID，生成全局的、統(tǒng)一的分割圖像。
接下來我們將全面解讀全景分割任務(wù)，下面這張思維導(dǎo)圖有助于大家整體把握全景分割任務(wù)特性：
全景分割解讀思維導(dǎo)圖
首先，我們將分析全景分割任務(wù)的評(píng)價(jià)指標(biāo)及基本特點(diǎn)，并介紹目前最新的研究進(jìn)展；然后介紹我們發(fā)表于 CVPR 2019 的工作 Occlusion Aware Network (OANet)，以及曠視研究院 Detection 組參與的 2018 COCO Panoptic Segmentation 比賽工作介紹；最后對(duì)全景分割當(dāng)前研究進(jìn)行總結(jié)與分析。
任務(wù)與前沿進(jìn)展解讀
全景分割任務(wù)，從任務(wù)目標(biāo)上可以分為 object instance segmentation 子任務(wù)與 stuff segmentation 子任務(wù)。全景分割方法通常包含三個(gè)獨(dú)立的部分：object instance segmentation 部分，stuff segmentation 部分，兩子分支結(jié)果融合部分；通常 object instance segmentation 網(wǎng)絡(luò)和 stuff segmentation 網(wǎng)絡(luò)相互獨(dú)立，網(wǎng)絡(luò)之間不會(huì)共享參數(shù)或者圖像特征，這種方式不僅會(huì)導(dǎo)致計(jì)算開銷較大，也迫使算法需要使用獨(dú)立的后處理程序融合兩支預(yù)測(cè)結(jié)果，并導(dǎo)致全景分割無法應(yīng)用在工業(yè)中。
因此，可以從以下幾個(gè)角度分析與優(yōu)化全景分割算法
（1）網(wǎng)絡(luò)框架搭建；
（2）子任務(wù)融合；
（3）全景輸出預(yù)測(cè)；
這三個(gè)問題分別對(duì)應(yīng)的是全景分割算法中的三個(gè)重要環(huán)節(jié)，下面我們將分別分析這些問題存在的難點(diǎn)，以及近期相關(guān)工作提出的改進(jìn)方法與解決方案。
全景分割評(píng)價(jià)指標(biāo)
FAIR 研究團(tuán)隊(duì) [1] 為全景分割定了新的評(píng)價(jià)標(biāo)準(zhǔn) PQ (panoptic segmentation) 、SQ ( segmentation quality)、RQ (recognition quality)，計(jì)算公式如下：
PQ 評(píng)價(jià)指標(biāo)計(jì)算公式
其中，RQ 是檢測(cè)中應(yīng)用廣泛的 F1 score，用來計(jì)算全景分割中每個(gè)實(shí)例物體識(shí)別的準(zhǔn)確性，SQ 表示匹配后的預(yù)測(cè) segment 與標(biāo)注 segment 的 mIOU，如下圖所示，只有當(dāng)預(yù)測(cè) segment 與標(biāo)注 segment 的 IOU 嚴(yán)格大于 0.5 時(shí)，認(rèn)為兩個(gè) segment 是匹配的。
全景分割預(yù)測(cè)結(jié)果與真實(shí)標(biāo)注匹配圖解 [1]
從上面的公式能夠看到，在預(yù)測(cè)與標(biāo)注匹配后的分割質(zhì)量 SQ 計(jì)算時(shí)，評(píng)價(jià)指標(biāo) PQ 只關(guān)注每個(gè)實(shí)例的分割質(zhì)量，而不考慮不同實(shí)例的大小，即大物體與小物體的分割結(jié)果對(duì)最終的 PQ 結(jié)果影響相同。Yang et al. [6] 注意到在一些應(yīng)用場(chǎng)景中更關(guān)注大物體的分割結(jié)果，如肖像分割中大圖的人像分割、自動(dòng)駕駛中近距離的物體等，提出了 PC (Parsing Covering) 評(píng)價(jià)指標(biāo)，計(jì)算公式如下：
PC 評(píng)價(jià)指標(biāo)計(jì)算公式
其中，R, R' 分別表示對(duì)應(yīng)類別的預(yù)測(cè) segments 與真實(shí) segments，|R| 表示對(duì)應(yīng)類別的實(shí)例在真實(shí)標(biāo)注中像素點(diǎn)數(shù)量，Ni 表示類別為 i 的真實(shí)標(biāo)注像素點(diǎn)總和。通過對(duì)大的實(shí)例物體賦予更大的權(quán)重，使評(píng)價(jià)指標(biāo)能夠更明顯地反映大物體的分割指標(biāo)。
網(wǎng)絡(luò)框架搭建
由于 object instance segmentation 子任務(wù)與 stuff segmentation 子任務(wù)分別屬于兩個(gè)不同的視覺預(yù)測(cè)任務(wù)，其輸入數(shù)據(jù)及數(shù)據(jù)增強(qiáng)方式、訓(xùn)練優(yōu)化策略與方法、網(wǎng)絡(luò)結(jié)構(gòu)與方法具有較大的不同，如何將兩個(gè)子任務(wù)融合并統(tǒng)一網(wǎng)絡(luò)結(jié)構(gòu)、訓(xùn)練策略，是解決該問題的關(guān)鍵。
FAIR 研究團(tuán)隊(duì)提出了一種簡(jiǎn)潔有效的網(wǎng)絡(luò)結(jié)構(gòu) Panoptic FPN [2]，在網(wǎng)絡(luò)框架層面將語義分割的全卷積網(wǎng)絡(luò)（FCN）[3] 和實(shí)例分割網(wǎng)絡(luò) Mask RCNN [4] 統(tǒng)一起來，設(shè)計(jì)了單一網(wǎng)絡(luò)同時(shí)預(yù)測(cè)兩個(gè)子任務(wù)，網(wǎng)絡(luò)結(jié)構(gòu)如下圖所示。
Panoptic FPN 網(wǎng)絡(luò)框架圖
該網(wǎng)絡(luò)結(jié)構(gòu)能夠有效預(yù)測(cè) object instance segmentation 子任務(wù)與 stuff segmentation 子任務(wù)。在 Mask RCNN 網(wǎng)絡(luò)與 FPN [5] 的基礎(chǔ)上，作者設(shè)計(jì)了簡(jiǎn)單而有效的 stuff segmentation 子分支：在 FPN 得到的不同層級(jí)的特征圖基礎(chǔ)上，使用不同的網(wǎng)絡(luò)參數(shù)得到相同大小的特征圖，并對(duì)特征圖進(jìn)行加法合并，最后使用雙線性插值上采樣至原圖大小，并進(jìn)行 stuff 類別預(yù)測(cè)。
MIT 與谷歌等聯(lián)合提出 DeeperLab [6]，使用 bottom-to-up 的方法，同時(shí)實(shí)現(xiàn) object instance segmentation 子任務(wù)與 stuff segmentation 子任務(wù)，其網(wǎng)絡(luò)結(jié)構(gòu)如下圖所示：
DeeperLab 網(wǎng)絡(luò)結(jié)構(gòu)圖
該網(wǎng)絡(luò)包含了 encoder、decoder 與 prediction 三個(gè)環(huán)節(jié)，其中，encoder 和 decoder 部分對(duì)兩個(gè)子任務(wù)均是共享的，為了增強(qiáng) encoder 階段的特征，在 encoder 的末尾使用了 ASPP (Atrous Spatial Pyramid Pooling) 模塊 [7]；而在 decoder 階段，首先使用 1×1 卷積對(duì)低層特征圖與 encoder 輸出的特征圖進(jìn)行降維，并使用內(nèi)存消耗較少的 space-to-depth [8, 9] 操作替代上采樣操作對(duì)低層特征圖進(jìn)行處理，從而將低層特征圖（大小為原圖 1/4）與 encoder 輸出的特征圖（大小為原圖 1/16）拼接起來；最后，使用兩層 7×7 的大卷積核增加感受野，然后通過 depth-to-space 操作降低特征維度。
為了得到目標(biāo)實(shí)例預(yù)測(cè)，作者采用類似 [10, 11, 12] 的使用基于關(guān)鍵點(diǎn)表示的方法，如下圖所示，在 object instance segmentation 子分支頭部，分別預(yù)測(cè)了 keypoint heatmap（圖 a）、long-range offset map（圖 b）、short-range offset map（圖 c）、middle-range offset map（圖 d）四種輸出，得到像素點(diǎn)與每個(gè)實(shí)例關(guān)鍵點(diǎn)之間的關(guān)系，并依此融合形成類別不可知的不同實(shí)例，最后得到全景分割的結(jié)果。
object instance segmentation 子分支頭部預(yù)測(cè)目標(biāo)
子任務(wù)融合
雖然通過特征共享機(jī)制與網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)，能夠?qū)?object instance segmentation 子任務(wù)與 stuff segmentation 子任務(wù)統(tǒng)一起來，但是這兩個(gè)子分支之間的相互聯(lián)系與影響并沒有得到充分的探究，例如：兩個(gè)子分支的任務(wù)是否能夠達(dá)到相互增益或者單向增益的效果？或者如何設(shè)計(jì)將兩個(gè)子分支的中間輸出或者預(yù)測(cè)關(guān)聯(lián)起來？這一部分問題我們可以統(tǒng)一將它稱作兩個(gè)子任務(wù)的相互提升與促進(jìn)。
中科院自動(dòng)化研究所提出了 AUNet [13]，文中設(shè)計(jì)了 PAM（Proposal Attention Module）與 MAM（Mask Attention Module）模塊，分別基于 RPN 階段的特征圖與 object instance segmentation 輸出的前景分割區(qū)域，為 stuff segmentation 提供了物體層級(jí)注意力與像素層級(jí)注意力，其網(wǎng)絡(luò)結(jié)構(gòu)圖如下圖所示：
AUNet 網(wǎng)絡(luò)結(jié)構(gòu)圖
為了使 object instance segmentation 的預(yù)測(cè)輸出與 stuff segmentation 預(yù)測(cè)輸出保持一致性，豐田研究院設(shè)計(jì)了 TASCNet [14]，其網(wǎng)絡(luò)結(jié)構(gòu)如下圖所示：
TASCNet 網(wǎng)絡(luò)結(jié)構(gòu)圖
網(wǎng)絡(luò)首先將 object instance segmentation 子分支得到的實(shí)例前景掩膜區(qū)域，映射到原圖大小的特征圖中，得到全圖尺寸下的實(shí)例前景掩膜區(qū)域，并與 stuff segmentation 預(yù)測(cè)的實(shí)例前景掩膜進(jìn)行對(duì)比，使用 L2 損失函數(shù)最小化兩個(gè)掩膜的殘差。
全景輸出預(yù)測(cè)
Object instance segmentation 子分支與 stuff segmentation 子分支的預(yù)測(cè)結(jié)果在融合的過程中，一般通過啟發(fā)式算法（heuristic algorithm）處理相沖突的像素點(diǎn)，例如簡(jiǎn)單地以 object instance segmentation 子分支的預(yù)測(cè)結(jié)果為準(zhǔn)，并以 object instance segmentation 子分支的檢測(cè)框得分作為不同實(shí)例的合并依據(jù)。
這種方式依據(jù)簡(jiǎn)單的先驗(yàn)邏輯判斷，并不能較好地解決全景分割復(fù)雜的合并情況，因此，如何設(shè)計(jì)有效的模塊解決 object instance segmentation 子分支與 stuff segmentation 子分支到全景分割輸出的融合過程，也是全景分割任務(wù)中的重要問題。
Uber 與港中文聯(lián)合提出了 UPSNet [15]，其網(wǎng)絡(luò)結(jié)構(gòu)圖如下圖所示：
UPSNet 網(wǎng)絡(luò)結(jié)構(gòu)圖
將 object instance segmentation 子分支與 stuff segmentation 子分支的輸出通過映射變換，可得到全景頭部輸出的特征張量，該張量大小為 (Ninst+ Nstuff)×H×W，其中，N_{inst} 為動(dòng)態(tài)變量，表示一張圖像中實(shí)例的數(shù)量，Nstuff 表示 stuff 類別個(gè)數(shù)，對(duì)于每張圖像其數(shù)值是相同的，下文使用 Xthing 和 Xstuff 分別表示這兩種特征張量。此外，網(wǎng)絡(luò)對(duì)像素進(jìn)行了未知類別的預(yù)測(cè)（Unknown Prediction），從而使得網(wǎng)絡(luò)能夠?qū)⒉糠窒袼攸c(diǎn)判斷為未知類別并在測(cè)試的時(shí)候進(jìn)行忽略，避免做出錯(cuò)誤的類別導(dǎo)致 PQ 指標(biāo)下降。
在得到 object instance segmentation 子分支與 stuff segmentation 子分支的輸出后，經(jīng)過如下圖所示的變換，映射成 Xthing 和 Xstuff。
panoptic segmentation head 示意圖
Xstuff 可以直接從不規(guī)則類別分割的輸出中提取，Xthing 中的第 i 個(gè)實(shí)例的掩膜區(qū)域可由 Xmaski + Ymaski 獲得，其中 Xmaski 表示第 i 個(gè)實(shí)例對(duì)應(yīng)的真實(shí)標(biāo)注框與標(biāo)注類別在 stuff segmentation 子分支輸出截取的掩膜區(qū)域，Ymaski 表示第 i 個(gè)實(shí)例對(duì)應(yīng)的 instance segmentation 子分支得到的掩膜區(qū)域映射到原圖的掩膜區(qū)域，最后使用標(biāo)準(zhǔn)的逐像素點(diǎn)的交叉熵?fù)p失函數(shù)對(duì)全景頭部輸出的張量進(jìn)行監(jiān)督訓(xùn)練。
Occlusion Aware Network 專欄解讀
論文鏈接：
An End-to-End Network for Panoptic Segmentation
Motivation
在全景分割相關(guān)實(shí)驗(yàn)中，我們發(fā)現(xiàn)，依據(jù)現(xiàn)有的啟發(fā)式算法進(jìn)行 object instance segmentation 子分支與 stuff segmentation 子分支的預(yù)測(cè)合并，會(huì)出現(xiàn)不同實(shí)例之間的遮擋現(xiàn)象。為了解決不同實(shí)例之間的遮擋問題，我們提出了 Occlusion Aware Network（OANet），并設(shè)計(jì)了空間排序模塊（Spatial Ranking Module），該模塊能夠通過網(wǎng)絡(luò)學(xué)習(xí)得到新的排序分?jǐn)?shù)，并為全景分割的實(shí)例分割提供排序依據(jù)。
網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
我們提出的端到端的全景分割網(wǎng)絡(luò)結(jié)構(gòu)如下圖所示，該網(wǎng)絡(luò)融合 object instance segmentation 子分支與 stuff segmentation 子分支的基礎(chǔ)網(wǎng)絡(luò)特征，在一個(gè)網(wǎng)絡(luò)中同時(shí)實(shí)現(xiàn)全景分割的訓(xùn)練與預(yù)測(cè)。在訓(xùn)練過程中，對(duì)于 stuff segmentation 我們同時(shí)進(jìn)行了 object 類別與 stuff 類別的監(jiān)督訓(xùn)練，實(shí)驗(yàn)表明這種設(shè)計(jì)有助于 stuff 的預(yù)測(cè)。
OANet 網(wǎng)絡(luò)結(jié)構(gòu)圖
采用一種類似語義分割的方法，我們提出一個(gè)簡(jiǎn)單但非常有效的算法，稱作 Spatial Ranking Module，能夠較好地處理遮擋問題，其網(wǎng)絡(luò)結(jié)構(gòu)如下所示：
Spatial Ranking Module 網(wǎng)絡(luò)結(jié)構(gòu)圖
我們首先將輸入的實(shí)例分割結(jié)果映射到原圖大小的張量之中，該張量的維度是實(shí)例物體類別的數(shù)量，不同類別的實(shí)例分割掩膜會(huì)映射到對(duì)應(yīng)的通道上。張量中所有像素點(diǎn)位置的初始化數(shù)值為零，實(shí)例分割掩膜映射到的位置其值設(shè)為 1；在得到該張量后，使用大卷積核 [16] 進(jìn)行特征提取，得到空間排序得分圖；最后，我們計(jì)算出每個(gè)實(shí)例對(duì)象的空間排序得分，如下所示：
這里，Si; j; cls 表示類別為 cls 的、像素點(diǎn)（i; j）中的得分值，需要注意的是 Si; j; cls 已被歸一化為概率，mi; j 是掩膜像素點(diǎn)指示符，表示像素點(diǎn)（i; j）是否屬于實(shí)例，每個(gè)實(shí)例的空間排序得分由預(yù)測(cè)的掩碼區(qū)域所有像素點(diǎn)的排序分?jǐn)?shù)平均得到，Pobjs 表示最終得到的每個(gè)實(shí)例的排序得分，并將此得分用于全景輸出。
如下圖所示，若使用目前通用的啟發(fā)式融合算法，即僅基于實(shí)例分割的檢測(cè)框的置信度作為遮擋處理依據(jù)，如圖所示，行人檢測(cè)框的置信度要明顯高于領(lǐng)帶檢測(cè)框的置信度，當(dāng)兩個(gè)實(shí)例發(fā)生重疊時(shí)，領(lǐng)帶的實(shí)例會(huì)被行人實(shí)例遮擋；當(dāng)加入空間排序得分模塊后，我們通過該模塊可以預(yù)測(cè)得到兩個(gè)實(shí)例的空間排序分?jǐn)?shù)，依據(jù)空間排序分?jǐn)?shù)得到的排序會(huì)更可靠，PQ 會(huì)有更大改善。
空間排序模塊流程示意圖
實(shí)驗(yàn)分析
我們對(duì) stuff segmentation 分支的監(jiān)督信號(hào)進(jìn)行了剝離實(shí)驗(yàn)，如下表所示，實(shí)驗(yàn)表明，同時(shí)進(jìn)行 object 類別與 stuff 類別的監(jiān)督訓(xùn)練，能夠?yàn)?stuff segmentation 提供更多的上下文信息，并改進(jìn)預(yù)測(cè)結(jié)果。
為了探究 object instance segmentation 子分支與 stuff segmentation 子分支的共享特征方式，我們?cè)O(shè)計(jì)了不同的共享結(jié)構(gòu)并進(jìn)行實(shí)驗(yàn)，如下表所示，實(shí)驗(yàn)表明，共享基礎(chǔ)模型特征與 FPN 結(jié)構(gòu)的連接處特征，能夠提高全景分割指標(biāo) PQ。
為了探究我們提出的 spatial ranking module 算法的有效性，我們?cè)诓煌A(chǔ)模型下進(jìn)行了實(shí)驗(yàn)，如下表所示，其中，w/ spatial ranking module 表示使用我們提出的空間排序模塊得到的結(jié)果，從實(shí)驗(yàn)結(jié)果中可以看到，空間排序模塊能夠在不同的基礎(chǔ)模型下大幅提高全景分割的評(píng)測(cè)結(jié)果。
為了測(cè)試不同卷積設(shè)置對(duì)學(xué)習(xí)處理遮擋的影響，進(jìn)行了如下實(shí)驗(yàn)，結(jié)果表明，提高卷積的感受野可以幫助網(wǎng)絡(luò)學(xué)習(xí)獲得更多的上下文特征，并取得更好的結(jié)果。
下表是本文提出的算法與現(xiàn)有公開指標(biāo)的比較，從結(jié)果中可以看到，本文提出的算法能夠取得最優(yōu)的結(jié)果。
總結(jié)與分析
從上文的文獻(xiàn)分析來看，全景分割任務(wù)的不同重要問題均得到了廣泛探究，但是全景分割任務(wù)依然是有挑戰(zhàn)性、前沿的場(chǎng)景理解問題，目前仍存在一些問題需要進(jìn)行探究：
第一，由于全景分割可通過分別預(yù)測(cè)實(shí)例分割子任務(wù)與不規(guī)則類別分割子任務(wù)、兩個(gè)子任務(wù)預(yù)測(cè)結(jié)果融合得到，整個(gè)算法流程中包含較多的細(xì)節(jié)與后處理操作，包括 segments 的過濾、啟發(fā)式融合算法、ignore 像素點(diǎn)的判斷等。這些細(xì)節(jié)對(duì)全景分割指標(biāo)有較大的影響，在一定程度上也阻礙了不同算法的對(duì)比與評(píng)測(cè)；
第二，全景分割評(píng)測(cè)指標(biāo)雖然能夠較好地評(píng)測(cè)全景分割中實(shí)例物體檢測(cè)準(zhǔn)確度，以及實(shí)例物體與不規(guī)則類別的分割準(zhǔn)確度，但是該評(píng)測(cè)指標(biāo)更側(cè)重每個(gè)實(shí)例，并沒有關(guān)注每個(gè)實(shí)例之間的區(qū)別。文獻(xiàn) [6] 提出了對(duì)大物體有更好的評(píng)測(cè)指標(biāo) PC (Parsing Covering)，使得大物體的分割效果對(duì)最終的評(píng)測(cè)指標(biāo)影響更大，在一些關(guān)注大物體的任務(wù)如肖像分割、自動(dòng)駕駛中更為有效；
第三，全景分割中子任務(wù)的融合問題，目前研究依然較多地將全景分割看做是 object instance segmentation 與 stuff segmentation 兩個(gè)子任務(wù)的合集，如何從全局、統(tǒng)一的分割問題出發(fā)，針對(duì)性設(shè)計(jì)符合全景分割的統(tǒng)一網(wǎng)絡(luò)，具有重要的意義。
參考文獻(xiàn)
[1] Kirillov A, He K, Girshick R, et al. Panoptic segmentation[J]. arXiv preprint arXiv:1801.00868, 2018.
[2] Kirillov A, Girshick R, He K, et al. Panoptic Feature Pyramid Networks[J]. arXiv preprint arXiv:1901.02446, 2019.
[3] Long J, Shelhamer E, Darrell T. Fully convolutional networks for semantic segmentation[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2015: 3431-3440.
[4] He K, Gkioxari G, Dollár P, et al. Mask r-cnn[C]//Proceedings of the IEEE international conference on computer vision. 2017: 2961-2969.
[5] Lin T Y, Dollár P, Girshick R, et al. Feature pyramid networks for object detection[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2017: 2117-2125.
[6] Yang T J, Collins M D, Zhu Y, et al. DeeperLab: Single-Shot Image Parser[J]. arXiv preprint arXiv:1902.05093, 2019.
[7] Chen L C, Papandreou G, Kokkinos I, et al. Deeplab: Semantic image segmentation with deep convolutional nets, atrous convolution, and fully connected crfs[J]. IEEE transactions on pattern analysis and machine intelligence, 2018, 40(4): 834-848.
[8] Shi W, Caballero J, Huszár F, et al. Real-time single image and video super-resolution using an efficient sub-pixel convolutional neural network[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2016: 1874-1883.
[9] Sajjadi M S M, Vemulapalli R, Brown M. Frame-recurrent video super-resolution[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2018: 6626-6634.
[10] Papandreou G, Zhu T, Chen L C, et al. PersonLab: Person pose estimation and instance segmentation with a bottom-up, part-based, geometric embedding model[C]//Proceedings of the European Conference on Computer Vision (ECCV). 2018: 269-286.
[11] Tychsen-Smith L, Petersson L. Denet: Scalable real-time object detection with directed sparse sampling[C] // Proceedings of the IEEE International Conference on Computer Vision. 2017: 428-436.
[12] Law H, Deng J. Cornernet: Detecting objects as paired keypoints [C] // Proceedings of the European Conference on Computer Vision (ECCV). 2018: 734-750.
[13] Li Y, Chen X, Zhu Z, et al. Attention-guided unified network for panoptic segmentation[J]. arXiv preprint arXiv:1812.03904, 2018.
[14] Li J, Raventos A, Bhargava A, et al. Learning to fuse things and stuff[J]. arXiv preprint arXiv:1812.01192, 2018.
[15] Xiong Y, Liao R, Zhao H, et al. UPSNet: A Unified Panoptic Segmentation Network[J]. arXiv preprint arXiv:1901.03784, 2019.
[16] Peng C, Zhang X, Yu G, et al. Large Kernel Matters--Improve Semantic Segmentation by Global Convolutional Network[C] // Proceedings of the IEEE conference on computer vision and pattern recognition. 2017: 4353-4361.
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
