Segmentation sémantique d'instances avec une fonction de perte discriminative

La segmentation d'instances sémantiques reste une tâche complexe. Dans cette étude, nous proposons de relever ce défi en utilisant une fonction de perte discriminante, opérant au niveau des pixels, qui incite un réseau convolutif à produire une représentation de l'image qui peut être facilement regroupée en instances grâce à une étape de post-traitement simple. La fonction de perte encourage le réseau à mapper chaque pixel vers un point dans l'espace des caractéristiques de manière que les pixels appartenant à la même instance se trouvent proches les uns des autres, tandis que différentes instances sont séparées par une marge importante. Notre approche, qui combine un réseau prêt à l'emploi avec une fonction de perte fondée sur un objectif d'apprentissage métrique, est conceptuellement simple et se distingue des efforts récents en segmentation d'instances. Contrairement aux travaux précédents, notre méthode ne repose pas sur des propositions d'objets ou des mécanismes récurrents. Une contribution clé de notre travail est de démontrer qu'un tel dispositif simple, sans artifices supplémentaires, est efficace et peut rivaliser avec des méthodes plus complexes. De plus, nous montrons qu'elle n'est pas sujette à certaines des limitations des approches populaires de détection et segmentation. Nous obtenons des performances compétitives sur les benchmarks de segmentation de feuilles Cityscapes et CVPPP (Leaf Segmentation).