摘要

在本文中，我们提出了序列分组网络(SGN)来解决对象实例分割问题。sgn采用一组神经网络，每个神经网络解决一个子分组问题，不断增加的语义复杂性，以逐步组成对象的像素。特别是，第一个网络的目的是通过预测水平和垂直的对象断点来沿每个图像行和列对像素进行分组。然后使用这些断点来创建线段。通过利用双向信息，第二网络将水平和垂直线分组成相互连接的组件。最后，第三个网络将连接的组件分组到对象实例中。我们的实验表明，SGN在Cityscapes数据集和PASCAL VOC两方面的性能都明显优于最新的方法。

作者

刘舒，贾佳亚，桑佳，拉奎尔Urtasun

会议

ICCV 2017

论文全文

“SGN:用于实例分段的顺序分组网络”(PDF)
超级ATG