التمييز الدلالي للحالات عبر التعلم العميق للمقاييس

نقترح طريقة جديدة للتقسيم الدلالي للعناصر، من خلال حساب مدى احتمال تبعية بكسلين لنفس الكائن أولاً، ثم جمع البكسلات المتشابهة معًا. تعتمد مقياس التشابه لدينا على نموذج تمثيلي تمامًا بالاقتران العميق (fully convolutional embedding model). أما طريقة الجمْع الخاصة بنا فتقوم على اختيار جميع النقاط التي تكون كافية في تشابهها لمجموعة من نقاط "البذور" (seed points)، والتي يتم اختيارها من نموذج تقييمي تمامًا بالاقتران العميق. نعرض نتائج تنافسية على معيار تقسيم العناصر لـ Pascal VOC.