论文精读 Learning to Segment Object Candidates(二)
2016-08-28 10:23
441 查看
Facebook AI Research 的文章,刚刚开源到github,代码: https://github.com/facebookresearch/deepmask 。其开源代码主要来自于两篇文章,想学习一下这个代码,还是先把出处的两篇文章看完吧。
实验数据主要在PASCAL VOC 2007和COCO数据集的前5000验证数据进行验证,训练集使用COCO训练数据,约80,000图像,500,000分割的目标。这里的proposal可以取segmentation结果,也可以使用其结果的bounding box。
Metrics:
使用常见的IoU(候选proposal与ground truth的交集/并集)矩阵评价精度。从IoU(0.5,1.0)的平均recall(AR)来看,该方法取得了十分优秀的结果。
Methods:
对比现有的top5的proposal方法:Edge-Boxes,SelectiveSearch,Geodesic,Rigor,MCG。
Localization:
对于很高IoU情况下,DeepMask方法结果不是很好,这可能与本方法在每一个location和scale下进行降采样导致的,通过多尺度或skip connections方法应该可以进行解决。
Speed:
在COCO数据集上1.6s一张图像,较小的PASCAL数据集上平均每图1.2s。(更快的方法:Geodesic runs at 1s per PASCAL image,MCG takes 30s)
感觉非常好玩~虽然注意到狗狗的左下角部分光线暗的地方直接被p没有了,还有后面的花草分割的也不是很好,但是总算比bounding box的结果更有美感。下一步就是自己的数据啦~
实验结果:
接上文(一),该论文的主要思想是将deep-network结构的segmentation与object detection结合,其实验结果如下:实验数据主要在PASCAL VOC 2007和COCO数据集的前5000验证数据进行验证,训练集使用COCO训练数据,约80,000图像,500,000分割的目标。这里的proposal可以取segmentation结果,也可以使用其结果的bounding box。
Metrics:
使用常见的IoU(候选proposal与ground truth的交集/并集)矩阵评价精度。从IoU(0.5,1.0)的平均recall(AR)来看,该方法取得了十分优秀的结果。
Methods:
对比现有的top5的proposal方法:Edge-Boxes,SelectiveSearch,Geodesic,Rigor,MCG。
Localization:
对于很高IoU情况下,DeepMask方法结果不是很好,这可能与本方法在每一个location和scale下进行降采样导致的,通过多尺度或skip connections方法应该可以进行解决。
Speed:
在COCO数据集上1.6s一张图像,较小的PASCAL数据集上平均每图1.2s。(更快的方法:Geodesic runs at 1s per PASCAL image,MCG takes 30s)
具体评价的图表类型结果如下:
实验与学习:
暂时尝试了一下安装代码,教程比较详细,原图与测试结果如下:感觉非常好玩~虽然注意到狗狗的左下角部分光线暗的地方直接被p没有了,还有后面的花草分割的也不是很好,但是总算比bounding box的结果更有美感。下一步就是自己的数据啦~
相关文章推荐
- 论文精读 Learning to Segment Object Candidates(一)
- 论文 Learning to Segment Object Candidates
- 论文精读 Learning to Refine Object Segments
- 基于深度学习的图像分割: Learning to Segment Object Candidates -- Facebook
- #Paper Reading# Learning to Segment Object Candidates
- 阅读 理解 思考 - Learning to Segment Object Candidates
- 论文笔记:MDPTracking,Learning to Track: Online Multi-Object Tracking by Decision Making
- [深度学习论文笔记][arxiv 1711]Learning to Segment Every Thing
- Learning to Segment Every Thing Ronghang论文学习
- 论文笔记之:Learning to Track: Online Multi-Object Tracking by Decision Making
- 论文阅读:《Associative Embedding:End-to-End Learning for Joint Detection and Grouping》
- PHP This! A Beginners Guide To Learning Object Oriented PHP
- libz.so.1: failed to map segment from shared object: Permission denied
- Learning To Detect Unseen Object Classes by Between-Class Attribute Transfer(阅读报告)
- Learning to Segment Every Thing算法笔记
- 【论文分享】APPLYING DEEP LEARNING TO ANSWER SELECTION: A STUDY AND AN OPEN TASK
- 论文阅读:《Neural Machine Translation by Jointly Learning to Align and Translate》
- 论文笔记:Learning to Detect Violent Videos using Convolutional Long Short-Term Memory
- 论文阅读报告 DCM BANDITS: LEARNING TO RANK WITH MULTIPLE CLICKS
- [深度学习论文笔记][Weight Initialization] Exact solutions to the nonlinear dynamics of learning in deep lin