Semantische Instanzsegmentierung mit einer diskriminativen Verlustfunktion

Die semantische Instanzsegmentierung bleibt eine herausfordernde Aufgabe. In dieser Arbeit schlagen wir vor, das Problem mit einer diskriminativen Verlustfunktion anzugehen, die auf Pixelbasis arbeitet und ein Fehlernetzwerk dazu ermutigt, eine Bildrepräsentation zu erzeugen, die sich durch einen einfachen Nachbearbeitungsschritt leicht in Instanzen clustern lässt. Die Verlustfunktion veranlasst das Netzwerk, jeden Pixel auf einen Punkt im Merkmalsraum abzubilden, sodass Pixel, die zur gleichen Instanz gehören, dicht beieinander liegen, während verschiedene Instanzen durch einen breiten Abstand getrennt sind. Unser Ansatz, ein fertiges Netzwerk mit einer prinzipiellen Verlustfunktion zu kombinieren, die von einem Metrik-Lernen-Objekt inspiriert ist, ist konzeptionell einfach und unterscheidet sich von jüngsten Bemühungen in der Instanzsegmentierung. Im Gegensatz zu früheren Arbeiten hängt unsere Methode nicht von Objektvorschlägen oder rekurrenten Mechanismen ab. Ein wesentlicher Beitrag unserer Arbeit besteht darin zu zeigen, dass ein solches einfaches Setup ohne zusätzliche Komplexitäten effektiv ist und vergleichbare Leistungen wie komplexere Methoden erzielen kann. Darüber hinaus demonstrieren wir, dass es einige der Einschränkungen der gängigen Detektions-und-Segmentierungsansätze nicht aufweist. Wir erreichen wettbewerbsfähige Ergebnisse bei den Benchmarks für die Cityscapes- und CVPPP-Blattsegmentierung.