江苏龙网

  1. 首页 > 生活 > >

怎样评价FAIR的最新工作Panoptic Segmentation

图像分割主要有两个方向：
语义分割（semantic segmentation），常用来识别天空、草地、道路等没有固定形状的不可数事物（stuff）。语义分割的标记方法通常是给每个像素加上标签。实例分割（instance segmentation），人、动物或工具等可数的、独立的明显物体（things）。实例分割通常用包围盒或分割掩码标记目标。全景分割（Panoptic Segmentation）其实就是把这两个方向结合起来，生成统一的、全局的分割图像，既识别事物，也识别物体。
怎样评价FAIR的最新工作Panoptic Segmentation

(a)原图；(b)语义分割；(c)实例分割；(d)全景分割标记方法全景分割的标记方法结合了语义分割和实例分割，给每个像素加上标签 怎样评价FAIR的最新工作Panoptic Segmentation
，其中i表示第i个像素，l表示语义类别，z表示实例ID。语义类别由两部分组成，事物类别 怎样评价FAIR的最新工作Panoptic Segmentation
和物体类别 怎样评价FAIR的最新工作Panoptic Segmentation
（ST和TH分别为stuff和thing的简写）。当 怎样评价FAIR的最新工作Panoptic Segmentation
时，忽略 怎样评价FAIR的最新工作Panoptic Segmentation
（识别事物）；当 怎样评价FAIR的最新工作Panoptic Segmentation
且 怎样评价FAIR的最新工作Panoptic Segmentation
时，该像素属于某一物体（识别物体）。
评估标准首先是常规的IoU \u0026gt; 0.5，然后结合TF、FN、FP搞出了一个PQ标准。（PQ是Panoptic Quality，即全景质量的简称。）
怎样评价FAIR的最新工作Panoptic Segmentation

颜色相同的区域IoU \u0026amp;gt; 0.5PQ的具体公式为：
怎样评价FAIR的最新工作Panoptic Segmentation

另外，PQ可以分解为分割质量（segmentation quality，SQ）和识别质量（recognition quality，RQ）的乘积，便于进一步评估分割和识别环节的表现。
怎样评价FAIR的最新工作Panoptic Segmentation

PQ = SQ * RQ怎样评价FAIR的最新工作Panoptic Segmentation

人类全景分割的表现（PQ、SQ、DQ）数据集全景分割数据集需要既有语义分割标注，也有实例分割标注。
Cityscapes：5000张街景图片，97%的图片有像素标注，共有19个类别，其中8个类别符合语义分割的特征； ADE20k：图像总量超过25000张，并经过公开标注。其中包括100种物体和59种事物。 Mapillary Vistas：25000张分辨率不同的街景照片。其中98%的图片都经过了像素标注，涵盖28种事物与37种物体。COCO：知名数据集COCO最近加入了全景分割标注。论文arXiv:1801.00868

■网友
上出的还真是快，标题终于不再是kaiming的xx了哈哈看了3分钟，这篇文章大概就是定义清楚了seg问题abc，然后c=a+b.....好了不看了
■网友
【怎样评价FAIR的最新工作Panoptic Segmentation】 挖坑论文？


    推荐阅读


    上一篇：70万以上|2021款沃尔沃S90大幅涨价的逻辑是什么？

    下一篇：杭州有哪些数量少的拼图任务