深度水文变换用于实例分割

大多数当前的实例分割方法都采用了复杂的流程，涉及条件随机场、循环神经网络、目标提议或模板匹配方案。在本文中，我们提出了一种简单而强大的端到端卷积神经网络来解决这一任务。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，生成了一张图像的能量图，其中对象实例被明确表示为能量图中的盆地。然后，我们在单一能量水平上进行切割，直接获得与对象实例相对应的连通组件。我们的模型在具有挑战性的Cityscapes实例级分割任务上的性能超过了现有最先进方法的一倍以上。