Advertisement

Fully Convolutional Networks for Panoptic Segmentation

阅读量：

表现SOTA！性能优于Panoptic-DeepLab、AdaptIS和PCV等网络，代码现已开源！

注1：文末附【计算机视觉细分垂直方向】交流群（含检测、分割、跟踪、医疗、GAN、Transformer等）

Fully Convolutional Networks for Panoptic Segmentation
在这里插入图片描述

  • 作者单位：港中文(贾佳亚团队), 牛津大学, 港大, 旷视(孙剑等)
  • 代码：yanwei-li/PanopticFCN
  • 论文：Fully Convolutional Networks for Panoptic Segmentation

总结：Panoptic FCN的关键思想是在全卷积的pipeline中用生成的内核统一表示和预测事物。
在这里插入图片描述
在本文中，我们提出了一种概念上简单，强大且有效的全景分割框架，称为Panoptic FCN。 我们的方法旨在在统一的全卷积pipeline中表示和预测前景things和背景stuff。

特别地，Panoptic FCN使用提出的kernel generator 将每个对象实例或填充类别编码为特定的内核权重，并通过直接卷积高分辨率特征来产生预测。

使用这种方法，可以在一个简单的生成内核，然后分割工作流中分别满足things and stuff 的实例感知和语义上一致的属性。
在这里插入图片描述

实验结果

在没有额外的框用于定位或实例分离的情况下，所提出的方法在单标度输入的COCO，Cityscapes和Mapillary Vistas数据集上的性能优于以前的基于框的模型。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

全景分割-微信交流群已成立

扫码或者加微信：CVer6666，即可添加CVer小助手，可申请加入CVer-全景分割 微信交流群

同时也可申请加入CVer大群和细分方向技术群，细分方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch和TensorFlow等群。

一定要备注：研究方向+地点+学校/公司+昵称（如全景分割+上海+上交+卡卡），根据格式备注，可更快被通过且邀请进群
在这里插入图片描述
关注CVer公众号，第一时间掌握CV最新动态！
在这里插入图片描述

全部评论 (0)

还没有任何评论哟~

相关文章推荐

Fully Convolutional Networks for Panoptic Segmentation

表现SOTA！性能优于PanopticDeepLab、AdaptIS和PCV等网络，代码现已开源！ 注1：文末附【计算机视觉细分垂直方向】交流群（含检测、分割、跟踪、医疗、GAN、Transforme...

论文阅读：Fully Convolutional Networks for Panoptic Segmentation

标题：用于全景分割的全卷积网络 作者：YanweiLi,HengshuangZhao,XiaojuanQi,LiweiWang,ZemingLi,JianSun,JiayaJia 机构：Chinese...

Fully Convolutional Networks for Panoptic Segmentation论文阅读笔记

FullyConvolutionalNetworksforPanopticSegmentation论文阅读笔记 ——第一篇真正意义上的图像端对端全景分割 一、论文部分： FCNPanoptic=⑴ke...

论文--《Fully Convolutional Networks for Semantic Segmentation》

摘要： 卷积网络是强大的可视化模型，可以产生特征层次结构。我们展示了卷积网络本身，端到端训练，像素到像素，超过了语义分割的最新技术。我们的关键见解是建立“完全卷积”网络，输入任意大小，用有效推理和学习...

FCN(Fully Convolutional Networks for Semantic Segmentation) 学习

FCN：全卷积神经网络，在神经网络中只有conv层（poolingact）将fc层的功能用conv层替代，更好地实现语义分割。 2016年发表在ieee上的大作。 fc层被替代有诸多好处，最直接的就是...

【Semantic segmentation】Fully Convolutional Networks for Semantic Segmentation 论文解析

【Semanticsegmentation】FullyConvolutionalNetworksforSemanticSegmentation论文解析 目录 0\.论文链接 1\.概述 2\.Adap...

论文笔记：Fully Convolutional Networks for Semantic Segmentation

摘要 卷积网络是产生特征层次结构的强大视觉模型。我们展示了卷积网络本身，经过端到端、像素到像素的训练，超过了语义分割的最新技术水平。我们的主要见解是构建“全卷积”网络，该网络接受任意大小的输入并通过有...

论文阅读：Fully Convolutional Networks for Semantic Segmentation

文章目录 1摘要 2亮点 2.1以全卷积层代替全连接层 2.1.1支持任意不同尺寸图片的输入 2.1.2更利于端到端学习 2.2使用“反卷积”作为上采样 2.3引入了跳跃结构 3部分结果 3.1分割的...

读书笔记《Fully Convolutional Networks for Semantic Segmentation》

论文相关 发表会议CVPR2015 作者JonathanLong，EvanShelhamer，TrevorDarrell（UCBerkeley） 论文地址link. 简要介绍 文章的目的是构建一个全卷...

论文阅读：Fully Convolutional Networks for Semantic Segmentation

论文阅读：FullyConvolutionalNetworksforSemanticSegmentation 这篇文章是关于将全卷积网络端到端（EndtoEnd地训练，并将其用于语义分割。