【DEXTR】Deep Extreme Cut：From Extreme Points to Object Segmentation

最新推荐文章于 2025-05-27 09:00:03 发布
原创 最新推荐文章于 2025-05-27 09:00:03 发布 · 3.8k 阅读 · 6 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

DEXTR是一种基于深度学习的弱监督分割方法，仅使用对象的极点标注就能实现精确的图像分割。通过在RGB图像上添加高斯热图通道作为网络输入，它在COCO、PASCAL等多个数据集上表现出色。该方法适用于实例分割、视频分割和交互式分割等多种任务，并能用于创建密集标注，以训练其他监督技术。

在这里插入图片描述
CVPR 2018

文章目录

概述

  • 要解决的问题
    • 弱监督分割
    • 通过一个object的left-most, right-most, top, bottom pixels作为输入(最初由Papadopoulos等人的Extreme clicking for efficient object annotation提出的做法)，来获取精准的目标分割（图片or视频）。
  • 采用的方法
    • 给输入的RGB图增加额外的一个通道构成网络的输入
  • 结果如何
    • 在COCO，PASCAL，Grabcut，DAVIS2016，DAVIS2017表现出了很好的效果。
Dataset Description
Grabcut Link
DAVIS2016/2017 video分割数据集
  • Contribution
    • 文章号称对以下场景可以用统一的方式来处理好：如监督学习里的标签费时费力费钱，弱监督学习的效果无法很好，半监督学习里的需要人来操作一些步骤，即需要人机的一些交互。
    • paper提出的方法DEXTR可以使用很多任务 ：Instance/Semantic segmentation, Video, Interactive segmentation。
    • 还可以用DEXTR来制作dense annotations to train supervised techniques.

细节

Method

  • Extreme points：弱监督分割，一般是使用目标的bbox来作为先验信息，但是，为了获取这样的bbox信息还是人力上很麻烦，Papadopo
最低0.47元/天 解锁文章
极简笔记 segmentation + transfer learning survey第二弹
Hibercraft的博客
07-23 1948
极简笔记 segmentation + transfer learning survey第二弹 @(academic)[极简笔记] Deep Extreme Cut: From Extreme Points to Object Segmentation 本文的思路非常简单，标注分割对象的极点（最上方点，最下，最左，最右），生成4 channel的极点位置高斯响应图，与输入图片concat...
【ExtremeNet】: Bottom-up Object Detection by Grouping Extreme and Center Points
OneCoder的博客
03-03 1054
2019年的论文 文章目录概述细节ResultsConclusion 概述 要解决的问题 针对Anchor问题来进行思考的设计 采用的方法 One stage 仿CornerNet，但是CornerNet是使用的 左上角和右下角两个点检测，而本论文是对top, left, bottom, right四个极端点，再加上一个center点来进行检测。 借鉴了DEXTR的极端点方法。 ...
《（DEXTR）Deep Extreme Cut：From Extreme Points to Object Segmentation》论文笔记
m_buddy的博客
04-01 773
主页：dextr 参考代码：DEXTR-PyTorch 1. 概述 导读：这篇文章算是交互式分割种比较具有典型的了，在这篇文章中提出了一种使用极点作为引导，从而实现目标区域分割的方法。添加的引导不区分正负样本属性，只是去定义目标的边界，因而会在对应输入的卷积上添加1个channel就可以了。刚接触交互式分割的同学可以看看这篇文章，但是其也存在一些痛点问题。 文章的方法使用极点的形式作为引导，框出目标大致出现的位置，从而进行分割，其在一些图片上的结果见下图所示： 但是这样的方法在实际的过程中却存在下面的
【实验记录】Deep Extreme Cut (DEXTR)
学习 & 分享 ~
03-10 1342
实验参数 epoch = 100 classifier = '' trainBatch = 1 # Training batch size testBatch：1 # Testing batch size testInterval：1 # Run on test set every nTestInterval epochs snapshot：1 ...
【论文笔记】Deep Extreme Cut
学习 & 分享 ~
07-12 2311
主页：http://people.ee.ethz.ch/~cvlsegmentation/dextr/ 论文地址：https://arxiv.org/abs/1711.09081 代码：https://github.com/scaelles/DEXTR-PyTorch/ 概览 方法：使用目标物体的 extreme points（极限点），即最左、最右、最上、最下方的四个点作为输入，以此获得图像分...
推荐文章：深度极致切割（Deep Extreme Cut, DEXTR）——精准物体分割新利器
gitblog_00861的博客
09-11 912
推荐文章：深度极致切割（Deep Extreme Cut, DEXTR）——精准物体分割新利器 项目介绍 在图像处理和计算机视觉的浩瀚领域中，精确的物体分割始终是一项挑战。深挖极点切割（Deep Extreme Cut，简称DEXTR）为此带来了突破性的解决方案。DEXTR是一个革命性的工作，它仅通过对象的极端点（左端、右端、顶部、底部像素）作为输入，就能实现物体的精准分割。这个开源项目基于论文重...
dextr：调用dextr模型的操作
02-15
DEXTR动作 使用对象中的极点（最左侧，最右侧，顶部，底部像素）作为输入，以获得图像和视频的精确对象分割。 DEXTR探索使用对象中的极端点（最左侧，最右侧，顶部，底部像素）作为输入，以获取图像和视频的精确...
DEXTR-PyTorch：深度极限切割对象分割的Python实现
资源摘要信息:"DEXTR深度极限切割是计算机视觉中的一个技术领域，专注于从极其有限的用户输入（极限点）中进行准确的对象分割。该技术的主要目的是为了提高图像分割算法在面对仅有少量信息可用时的性能和准确性。...
DEXTR模型：精确图像视频对象分割技术
DEXTR（Deep Extreme Cut）是一种用于图像和视频精确对象分割的模型。该技术依赖于卷积神经网络（CNN）以极点（最左侧，最右侧，顶部，底部像素）作为输入，从而获得精确的对象分割结果。在处理过程中，会在图像中...
DEXTR-KerasTensorflow项目安装与使用指南
gitblog_00095的博客
06-15 425
DEXTR-KerasTensorflow项目安装与使用指南 一、项目目录结构及介绍 DEXTR-KerasTensorflow是一个基于Keras和TensorFlow实现的深度学习项目，专注于从物体的极端点（左上、右上、左下、右下像素）出发，进行精确的对象分割。以下是项目的目录结构概览及其重要组件简介： /: 主目录 doc: 相关文档和说明的存放位置。 helpers: 辅助函数的集合，...
Deep Extreme Cut (DEXTR) PyTorch开源项目最佳实践
最新发布
gitblog_00024的博客
05-27 319
Deep Extreme Cut (DEXTR) PyTorch开源项目最佳实践 1. 项目介绍 Deep Extreme Cut (DEXTR) 是一种基于深度学习的图像分割方法，它使用图像中的极值点（如最左、最右、最上、最下像素）作为输入，以获得精确的对象分割。此项目是DEXTR方法的PyTorch实现，可以在图像和视频中实现引导分割、交互式分割、视频对象分割和密集分割标注。 2. 项目快速启...
Extreme Points and Extreme Rays
weixin_43509834的博客
05-05 1464
原文链接： Describing Polyhedra by Extreme Points and Extreme Rays 作者：John Mitchell
【论文笔记】Extreme Points Derived Confidence Map as a Cue
学习 & 分享 ~
03-11 456
论文地址：https://arxiv.org/abs/1906.02421，MICCAI 2019解决的问题基于 Extreme Points 设计先验信息，辅助分割网络提升训练性能。论文亮点方法描述Backbone：ResNet101 和 PSP module。去掉了网络最后的全连接层和两个最大池化层，将带孔卷积用在 resnet 最后两层，然后加入 PSP 模块获取全局信息。1. 方法流程：在 inference 过程中，将计算出的 Confidence Map 输入 CNN 网络中，如下图 (b)：
【论文整理】Deep Level Set & Deep Active Contour
学习 & 分享 ~
07-15 1309
End-to-end：[1] Deep Convolutional Level Set Method for Image Segmentation，2017 CVPR 代码：https://github.com/wiseodd/cnn-levelset[2] Object Instance Annotation With Deep Extreme Level Set Evolution，2019 CVPR[3] Deep Active Contours，CVPR 2016[4] Learning deep
【论文笔记】DeepCut: Object Segmentation from Bounding Box Annotations using Convolutional Neural Networks
dzm123lalala的博客
05-09 2756
这篇论文提出了一种给定弱标注的实例分割方法。其将微软研究院提出的GrabCut进行扩展，可以实现给定bounding boxes的神经网络分类器训练。该论文将分类问题视为在稠密连接的条件随机场下的能量最小化问题，并通过不断迭代实现实例分割。 Abstract In this paper, we propose DeepCut, a method to obtain pixelwise objec...
【论文整理】Interactive Segmentation
学习 & 分享 ~
07-15 2883
论文地址：https://ieeexplore.ieee.org/document/937505 作者：Boykov, Y. Y., & Jolly, M. P 被引量：4519（2019/6） 交互方法：scribbles 代码：PyMaxflow：Python library for creating flow networks and computing the maxflow/mincut (aka graph-cuts for Python)概览：该方法基于 graph cut，由用户提供 see
Deeplab、目标检测、Segmentation
赵木木
05-07 8814
论文阅读 - Semantic Image Segmentation With Deep Convolutional Nets and Fully Connected CRFs 1. Project 2. 笔记 摘要 —— 主要是将CNN和概率图模型结合，来处理像素级分类问题，即语义图像分割. 由于CNN具有不变性，适合于 high-level 任务，如图...
语义分割深度学习方法集锦
热门推荐
生如蚁，美如神
01-19 1万+
转载：https://github.com/handong1587/handong1587.github.io/edit/master/_posts/deep_learning/2015-10-09-segmentation.mdPapersDeep Joint Task Learning for Generic Object Extraction intro: NIPS 2014 homepage
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值