专栏首页CNNer【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!

【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。

本文分享自微信公众号 - CNNer(CNNer654723069),作者:赛蜗牛

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2020-09-22

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 【SLAM】开源 | 基于混合地图的视觉惯性定位算法,平均定位误差为1.7cm,并且召回率达到100%

    论文地址: http://arxiv.org/pdf/2011.04173v1.pdf

    CNNer
  • 【声源定位】开源 | 上海交大&百度--实现复杂视听场景中的多声源视觉定位!

    论文地址: https://arxiv.org/pdf/2007.06355.pdf

    CNNer
  • 【目标检测】开源 | TIDE:目标检测错误分析工具

    论文地址: http://arxiv.org/pdf/2008.08115v2.pdf

    CNNer
  • 常用的模型集成方法介绍:bagging、boosting 、stacking

    本文介绍了集成学习的各种概念,并给出了一些必要的关键信息,以便读者能很好地理解和使用相关方法,并且能够在有需要的时候设计出合适的解决方案。

    机器之心
  • 常用的模型集成方法介绍:bagging、boosting 、stacking

    本文介绍了集成学习的各种概念,并给出了一些必要的关键信息,以便读者能很好地理解和使用相关方法,并且能够在有需要的时候设计出合适的解决方案。

    小草AI
  • 会话技术 & JSP 的学习

    * 会话:一次会话中包含多次请求和响应。 * 一次会话:浏览器第一次给服务区资源发送请求,会话建立,知道由一方断开为止。

    silentcow
  • 图解告诉你怎么在VS2017下调试DLL

    战神伽罗
  • 通过Java程序提交通用Mapreduce无法回收类的问题

    问题描述 上次发布的博客 通过Java程序提交通用Mapreduce,在实施过程中发现,每次提交一次Mapreduce任务,JVM无法回收过程中产生的MapRe...

    囚兔
  • 常用的模型集成方法介绍:bagging、boosting 、stacking

    本文介绍了集成学习的各种概念,并给出了一些必要的关键信息,以便读者能很好地理解和使用相关方法,并且能在有需要的时候设计出合适的解决方案。

    磐创AI
  • 【大牛经验】入行Java的一些真实感受

    声明:本文只是我的个人经验之谈,或者连经验之谈都算不上,因为我觉得自己还是个新手,没有什么经验可谈,就算是我分享一下自己从开始学习Java到现在的一些心路历程吧...

    Java帮帮

扫码关注云+社区

领取腾讯云代金券