论文部分内容阅读
实例分割,又名同时检测和分割(simultaneous detection and segmentation),需要标注像素级别的实例掩膜用于训练。然而,这种标注工作需要非常细致的人力劳动,费时费力。本论文提出只使用每个目标实例的单点标注,使得标注成本大大降低。本文提出的模型包括两个模块:基于外观信息和相邻包围框投票的框校验模块,以及基于推断掩膜的上下文信息的区块校验模块。这种设计保留了像素级别的实例信息,有助于抑制单纯图像分割模型训练过程中的误差累积。本文使用弱监督和半监督训练的实验来验证本工作的