Instanzbasierte Segmentierung von auffälligen Objekten

Die Erkennung von Bildsalienz hat in jüngerer Zeit dank tiefer konvolutiver Neuronaler Netze (Convolutional Neural Networks, CNN) rasche Fortschritte gemacht. Dennoch sind keine der bisherigen Methoden in der Lage, Objektinstanzen in den erkannten salienten Bereichen zu identifizieren. In dieser Arbeit stellen wir eine Methode zur Segmentierung salienter Instanzen vor, die für ein Eingabebild eine Salienzmaske mit eindeutigen Objektinstanzlabels erstellt. Unser Verfahren besteht aus drei Schritten: der Schätzung der Salienzkarte, der Detektion salienter Objektkonturen und der Identifikation salienter Objektinstanzen. Für die ersten beiden Schritte schlagen wir ein mehrskaliges Salienzverfeinerungsnetzwerk vor, das hochwertige Masken salienter Bereiche und Konturen salienter Objekte generiert. Nach der Integration in ein mehrskaliges kombinatorisches Gruppierungsverfahren und einen MAP-basierten Teilmengeoptimierungsrahmen kann unser Verfahren sehr vielversprechende Ergebnisse bei der Segmentierung salienter Objektinstanzen liefern. Um weitere Forschung und Bewertung bei der Segmentierung salienter Instanzen zu fördern, haben wir außerdem eine neue Datenbank mit 1000 Bildern und deren pixelgenauen Anmerkungen salienter Instanzen erstellt. Experimentelle Ergebnisse zeigen, dass unser vorgeschlagener Ansatz in der Lage ist, auf allen öffentlichen Benchmarks für die Erkennung salienter Bereiche sowie auf unserer neuen Datenbank für die Segmentierung salienter Instanzen den Stand der Technik zu erreichen.