数据要素产业
CVPR2021,BCNet:解决 two-stage 实例分割中存在的高度遮挡物体
#CVPR 2021##实例分割#
Deep Occlusion-Aware Instance Segmentation with Overlapping BiLayers
一般情况下,真实物体的轮廓和被遮挡边界是没有区别,因此对高度被遮挡物体进行实例分割是非常具有挑战性的。
在本次研究中,不同于以往的两阶段实例分割方法,作者将 image formation(影像形成)建模为两个重叠层的组成,并提出双层卷积网络(BCNet)
其中顶部的GCN 层检测遮挡物体(遮挡者),底部的 GCN 层推断部分遮挡的实例(被遮挡者)
利用双层结构对遮挡关系进行明确建模,自然地解耦了遮挡和被遮挡实例的边界,并考虑了掩码回归过程中它们之间的相互作用
在具有不同主干和网络层选择的 one-stage 和 two-stage 物体检测器上验证了双层解耦的功效。
在 COCO 和 KINS 上的大量实验表明,occlusion-aware BCNet 实现了大量的、一致的性能提升,特别是在严重遮挡的情况下。
作者 | Lei Ke, Yu-Wing Tai, Chi-Keung Tang
单位 | 香港科技大学;快手
论文 |https://arxiv.org/abs/2103.12340
代码 |https://github.com/lkeab/BCNet
备注 | CVPR2021
转载请注明:《CVPR2021,BCNet:解决 two-stage 实例分割中存在的高度遮挡物体》