EdgeFlow: Достижение Практической интерактивной сегментации с помощью потока, управляемого краем

Качественные обучающие данные играют ключевую роль в задачах сегментации изображений. Обычно аннотации на уровне пикселей являются дорогостоящими и трудоемкими при большом объеме обучающих данных. Для снижения стоимости маркировки и повышения качества сегментации были предложены интерактивные методы сегментации, которые позволяют получить результат всего за несколько кликов. Однако их производительность не удовлетворяет требованиям практических задач сегментации.

В этой работе авторы предложили EdgeFlow, новую архитектуру, которая полностью использует интерактивную информацию о кликах пользователя с помощью направленного по краям потока. Данный метод достигает самой современной производительности без какой-либо постобработки или итеративной схемы оптимизации. Кроме того, с помощью предложенного метода мы разработали эффективный интерактивный инструмент сегментации для практических задач аннотирования данных.

Статья: https://arxiv.org/pdf/2109.09406v1.pdf

GitHub: https://github.com/PaddlePaddle/PaddleSeg

Источник: github.com

Комментарии: