Код: https://github.com/JizhiziLi/AIM
Статья: https://arxiv.org/abs/2107.07235
Обученная модель: https://drive.google.com/uc?export=download&id=16dd1FGMcsMTqR6EfD2T9mtRmPwxnY0zs
Датасет: https://paperswithcode.com/dataset/celebamask-hq
В отличие от предыдущих алгоритмов, которые работают только на изображениях с ярко выраженными непрозрачными передними планами, такими как люди и животные, в этой статье мы исследуем трудности при использование методов автоматического распознавания объектов на изображения с ярко выраженными прозрачными передними планами.
Чтобы решить эту проблему, мы предлагаем новую нейронную сеть , которая может улучшить поиск объектов н любом изображение вышеуказанных типов.
Мы используем тестовый набор AIM-500, который содержит 500 различных изображений, охватывающих все типы расположения объектов, что помогает оценить способность моделей AIM к распознаванию. Результаты экспериментов показывают, что наша сеть, обученная на доступных наборах данных, превосходит существующие методы.
Мы предлагаем методы, состоящие из:
- усовершенствованная версия ResNet-34 с максимальным пулом, служит предварительно обученной в ImageNet;
- Улучшен процесс маркировки объктов: использования изученных семантических признаков из декодера, чтобы сосредоточиться на извлечении деталей только в области перехода.
