Jan, 2020

f-BRS: 重新思考交互式分割的反向传播细化

PDF
TL;DR该研究论文提出利用深度神经网络进行交互式分割的算法，采用基于影像学习的 backpropagating refinement (BRS) 方案进行优化，提高处理较难图像的准确度。同时，本研究提出 f-BRS 方案，使处理速度较原始 BRS 提升一个数量级。
deep neural networksinteractive segmentationbackpropagating refinement schemeoptimization problemcomputational budget
发现论文，激发创造
  • 边界精化的原型生成：半监督语义分割的通用端到端范式

    我们提出了一种新的边界优化类原型生成（BRPG）方法，将其纳入整个训练框架中，该方法在 PASCAL VOC 2012 和 Cityscapes 数据集上的实验表明，它优于当前最先进的方法。

    Jul, 2023

  • 更近距离观察以进行更好的分割：用于实例分割的边界补丁细化

    提出一种基于后处理细化的框架，名为 BPR，以改善任何实例分割模型的结果，该框架通过沿预测边界提取和细化一系列小的边界补丁来提高边界质量，在 Cityscapes 基准测试中比 Mask R-CNN 基线得到显著提升，特别是在边界感知度量方面；此外，通过将 BPR 框架应用于 PolyTransform + SegFix 基线，我们在 Cityscapes 排行榜上达到第一名。

    Apr, 2021

  • DISIR：交互式深度图像分割

    本文介绍了一种基于深度神经网络的交互式方法，用于航空影像的多类别分割，通过与用户注释的拼接，不断优化分割结果，从实验中证明了用户注释在该方法中具有重要意义。

    Mar, 2020

  • 面向移动和 Web 应用的边界感知分割网络

    本文提出了一种基于边界感知的图像分割网络，它包含一个预测 - 优化的体系结构和一个混合损失函数，可用于高精度图像分割，并在显著对象分割和伪装对象分割等任务上展示了出色的性能。基于该网络，开发了 “AR COPY＆PASTE” 和 “OBJECT CUT” 两个商业应用，可供公众使用。

    Jan, 2021

  • 使用遮罩引导恢复迭代训练进行交互式分割

    本文介绍了一种基于前向传递的点击交互式分割模型，无需额外的优化技巧即可实现最新的最佳结果，并且对于性能的分析表明，使用 COCO 和 LVIS 的训练数据集所训练的模型表现最佳。

    Feb, 2021

  • 图像超分辨率反馈网络

    本研究介绍了一种利用循环神经网络中隐藏状态和反馈机制进行图像超分辨率的新方法，该方法在多种图像降质情况下具有优越性能，并进行了课程学习来适应更复杂的任务。

    Mar, 2019

  • 迭代训练的交互分割

    本研究提出一种基于迭代式训练策略的交互式对象分割系统，利用用户输入的 clicks 作为卷积网络的输入，相较于现有的启发式 click 采样策略，本方法取得了更优的分割结果。

    May, 2018

  • 边界与关系精馏在语义分割中的应用

    通过知识蒸馏将较大的教师模型的知识传递给小型学生模型，我们提出了一种面向语义分割的有针对性的边界和关系蒸馏策略，以解决小型模型在保持边界区域完整性和保持目标区域连通性方面的错误，并在多个数据集上验证了该方法的优越性。

    Jan, 2024

  • 实例分割的隐式特征优化

    本文提出了一种新型的隐式特征细化模块，该模块通过构造隐函数，利用模拟无限深度网络的固定点迭代得到实例特征的平衡状态，从而达到高质量的实例分割，并可扩展在大多数对象识别框架中。

    Dec, 2021

  • 基于注意力反投影网络的图像超分辨率

    本研究提出一种基于注意力机制的反向投影网络（ABPN）用于图像超分辨率，使用增强的反向投影块提高低分辨率特征残差，结合空间注意力块（SAB）学习不同层次中特征之间的交叉相关性，并加入完善后的反向投影块（RBPB）进行重建，实验结果表明该方法在定量和定性指标上均取得了最新的优秀结果。

    Oct, 2019