Interaktive Bildsegmentierung mittels Rückpropagierenden Verbesserungsansatzs

In dieser Arbeit wird ein interaktives Algorithmus zur Bildsegmentierung vorgestellt, der Benutzerannotationen bezüglich eines Zielobjekts und des Hintergrunds akzeptiert. Wir wandeln die Benutzerannotationen durch Messung der Abstände jedes Pixels zu den annotierten Positionen in Interaktionskarten um. Anschließend führen wir einen Vorwärtsdurchlauf in einem faltenden neuronalen Netzwerk durch, das eine anfängliche Segmentierungskarte ausgibt. Da die annotierten Benutzerpositionen jedoch in der anfänglichen Ergebnisdarstellung fehlerhaft sein können, entwickeln wir ein Rückpropagierungs-Verfeinerungsschema (Backpropagating Refinement Scheme, BRS), das fehlerhaft klassifizierte Pixel korrigiert. Experimentelle Ergebnisse zeigen, dass der vorgeschlagene Algorithmus die herkömmlichen Verfahren auf vier anspruchsvollen Datensätzen übertrifft. Darüber hinaus demonstrieren wir die Allgemeingültigkeit und Anwendbarkeit des BRS in anderen Aufgaben des maschinellen Sehens, indem wir bestehende faltende neuronale Netzwerke in benutzerinteraktive Modelle umwandeln.