.png){kind=icon}
返回
SAMSnake: A generic contour-based instance segmentation network assisted by Efficient Segment Anything Model
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neunet.2025.107491.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于轮廓的实例分割因其高效性和能够产生精确分割边界的能力而受到广泛关注。在本文中，我们提出了SAMSnake，一种新型的基于轮廓的实例分割网络。我们的方法引入了三个关键创新：(1) 我们修改了现有轮廓分割方法的结构，将检测器从传统的轮廓分割框架中解耦，并增强了下游任务的灵活性。(2) 我们通过引入EfficientSAM并构建基于EfficientSAM的轮廓初始化（ECI）模块，改进了现有的轮廓初始化方法，该模块生成与真实实例边界紧密对齐的初始轮廓。(3) 我们将动态匹配损失（DML）和归一化偏移量整合到迭代优化过程中，形成归一化轮廓优化（NCO）模块，以高精度细化轮廓变形。此外，我们还引入了热力图和边界图监督以进一步增强训练稳定性。在包括Cityscapes、语义边界数据集（SBD）、COCO、KITTI INStance（KINS）和COCOA在内的基准数据集上的大量实验表明，SAMSnake实现了最先进（state-of-the-art）的性能。我们的方法在Cityscapes上达到36.4%的mAP，在SBD上达到61.4%的mAP，在COCO上达到38.8%的mAP，在KINS上达到36.7%的mAP，在COCOA上达到46.0%的mAP。我们的实现代码可从https://github.com/Giansar-Wu/SAMSnake获取。
Keyword:
Contour-based
Instance segmentation
Amodal segmentation
Deep neural network
EfficientSAM
期刊
IF:
6.3
论文数:
8.2K
被引数:
3.0W
机构
暂无机构信息
引用论文
Foreground segmentation network using transposed convolutional neural networks and up sampling for multiscale feature encoding.png)
NEURAL NETWORKS
NEURAL NETWORKSIF6.3
PREAI
分享收藏PolarMask++: Enhanced Polar Representation for Single-Shot Instance Segmentation and BeyondPolarMask: 增强了单发实例分割和超越的极坐标表示
OAAI
OAAI分享收藏Mask encoding: A general instance mask representation for object segmentation掩码编码: 用于对象分割的通用实例掩码表示PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏DiagSWin: A multi-scale vision transformer with diagonal-shaped windows for object detection and segmentationDiagSWin: 一种具有对角窗口的多尺度视觉变换器，用于目标检测和分割NEURAL NETWORKS
NEURAL NETWORKSIF6.3
PREAI
分享收藏YOLOPX: Anchor-free multi-task learning network for panoptic driving perceptionPATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏
查看更多内容