本文介绍了一种基于判别卷积网络的物体提议生成新方法——DeepMask。该模型包括两部分，分别输出类无关注的分割掩模和物体中心可能性。采用VGG作为基础网络，训练时结合分割和分类两个目标。实验表明，DeepMask在多尺度检测中表现出色，特别是在COCO数据集的不同尺寸物体类别上。
In this paper, we propose a new way to generate object proposals, introducing an approach based on a discriminative convolutional network.
Our model is trained jointly with two objectives: given an image patch, the first part of the system outputs a class-agnostic segmentation mask, while the second part of the system outputs the likelihood of the patch being centered on a full object.
模型
- 说明
- 基础网络VGG
- 两个输出：
- 分割：针对输入图像中的中间物体进行分割【单个物体输出】
- 满足下面两个条件才设置为证样本【如上图中的绿色框，红框表示负样本】
- 物体在batch图像中心位置
- batch图像能包含整个物体【考虑不同尺度】
- 满足下面两个条件才设置为证样本【如上图中的绿色框，红框表示负样本】
- 分割：针对输入图像中的中间物体进行分割【单个物体输出】
最低0.47元/天 解锁文章
扫一扫
655
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
