BoxSeg: Quality-Aware and Peer-Assisted Learning for Box-supervised Instance Segmentation

要約

Box Supervised Instanceセグメンテーション方法は、ボックスアノテーションのみを使用してインスタンスセグメンテーションを実現することを目的としています。
最近の方法は、教師と学生のフレームワークの下で高品質の擬似マスクを獲得することの有効性を実証しています。
この基盤の上に構築して、Quality-Awareモジュール（QAM）とピアアシストコピーパステ（PC）という名前の2つの斬新なモジュールと一般的なモジュールを含むBoxSegフレームワークを提案します。
QAMは高品質の擬似マスクを取得し、質の高いマルチマスク補完メカニズムを活用することにより、ノイズの多いマスクの効果を減らすためにマスク品質をよりよく測定します。
PCは、得られた高品質の擬似マスクの指導により、低品質のマスクの品質をさらに向上させるために、ピアアシストの学習を模倣しています。
理論的および実験的分析は、提案されたQAMとPCが効果的であることを示しています。
広範な実験結果は、最先端の方法よりもBoxSegの優位性を示し、QAMとPCを適用して他のモデルを改善することができます。

要約(オリジナル)

Box-supervised instance segmentation methods aim to achieve instance segmentation with only box annotations. Recent methods have demonstrated the effectiveness of acquiring high-quality pseudo masks under the teacher-student framework. Building upon this foundation, we propose a BoxSeg framework involving two novel and general modules named the Quality-Aware Module (QAM) and the Peer-assisted Copy-paste (PC). The QAM obtains high-quality pseudo masks and better measures the mask quality to help reduce the effect of noisy masks, by leveraging the quality-aware multi-mask complementation mechanism. The PC imitates Peer-Assisted Learning to further improve the quality of the low-quality masks with the guidance of the obtained high-quality pseudo masks. Theoretical and experimental analyses demonstrate the proposed QAM and PC are effective. Extensive experimental results show the superiority of our BoxSeg over the state-of-the-art methods, and illustrate the QAM and PC can be applied to improve other models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google