【目标分割】开源 | 百度--模型学习前景特征与背景特征，对前景的分割更为精准，性能SOTA！

论文地址： https://arxiv.org/pdf/2003.08333.pdf

代码： https://github.com/z-x-yang/CFBI

来源： 百度，悉尼科技大学

论文名称：Collaborative Video Object Segmentation by Foreground-Background Integration

原文作者：Zongxin Yang

内容提要

本文研究了嵌入学习的原理来解决具有挑战性的半监督视频目标分割问题。不同于以往仅利用来自前景对象的像素进行嵌入学习的做法，我们认为背景应该被平等对待，因此提出了基于前景-背景融合(CFBI)的协作式视频目标分割方法。CFBI隐式地将嵌入的特性从目标前景和对应的背景进行对比，从而促进前景的分割结果更为精准。有了来自前景和背景的嵌入特性，CFBI就可以从像素和实例尺度上执行引用和预测序列之间的匹配过程，使CFBI对各种目标尺度都具有良好的鲁棒性。我们在三个流行的基准数据集(DAVIS-2016, DAVIS-2017和YouTube-VOS)上进行了广泛的实验，实现的性能分别为89.4%，81.9%，和81.4%，优于所有其他最先进的方法。

主要框架及实验结果

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。