抽象的
实例分割的大多数当代方法都使用涉及条件随机字段，复发性神经网络，对象建议或模板匹配方案的复杂管道。在我们的论文中，我们提出了一个简单而强大的端到端卷积神经网络，以解决这一任务。我们的方法结合了经典分水岭变换和现代深度学习的直觉，以产生图像的能量图，其中对象实例在能量图中明确表示为盆地。然后，我们以单个能级进行切割，以直接产生与对象实例相对应的连接组件。我们的模型使最先进的城市景观实例级分段任务的性能翻了一番。
作者
Min Bai，，，，拉奎尔·乌尔塔森（Raquel Urtasun）
会议
CVPR 2017
完整的纸
Uber ATG
注释