Segmentation d’image interactive via un schéma de raffinement par rétropropagation

Dans ce travail, nous proposons un algorithme interactif de segmentation d’images, qui accepte des annotations utilisateur concernant l’objet cible et le fond. Nous transformons ces annotations utilisateur en cartes d’interaction en mesurant les distances de chaque pixel par rapport aux positions annotées. Ensuite, nous effectuons une passe avant dans un réseau de neurones convolutif, qui produit une carte de segmentation initiale. Toutefois, les positions annotées par l’utilisateur peuvent être mal classées dans le résultat initial. Par conséquent, nous développons une méthode de raffinement par rétropropagation (BRS), qui corrige les pixels mal étiquetés. Les résultats expérimentaux montrent que l’algorithme proposé surpasser les algorithmes classiques sur quatre jeux de données exigeants. En outre, nous démontrons la généralité et l’applicabilité de la BRS à d’autres tâches de vision par ordinateur, en transformant des réseaux de neurones convolutifs existants en modèles interactifs avec l’utilisateur.