Segmentation sémantique d'instances par apprentissage profond de métriques

Nous proposons une nouvelle méthode pour le segmention d'instances sémantiques, en calculant d'abord la probabilité que deux pixels appartiennent au même objet, puis en regroupant les pixels similaires ensemble. Notre métrique de similarité est basée sur un modèle d'embedding entièrement convolutif et profond. Notre méthode de regroupement consiste à sélectionner tous les points suffisamment similaires à un ensemble de « points de départ » (seed points), choisis à partir d'un modèle de scoring entièrement convolutif et profond. Nous présentons des résultats compétitifs sur le banc d'essai de segmentation d'instances Pascal VOC.