AIHGF

论文阅读 - Panoptic Segmentation 全景分割
题目: Panoptic Segmentation - 2018作者: Alexander Kirillov1, ...
扫描右侧二维码阅读全文
23
2018/05

论文阅读 - Panoptic Segmentation 全景分割

题目: Panoptic Segmentation - 2018
作者: Alexander Kirillov1, Kaiming He, Ross Girshick, Carsten Rother, Piotr Dollar
团队: Facebook AI Research(FAIR), HCI/IWR, Heidelberg University
Panoptic Segmentation 全景分割

新的任务场景 —— 全景分割 Panoptic Segmentation:

  • 统一了实例分割(Instance Segmentation) 和语义分割(Semantic Segmentation).
  • 实例分割 - 检测每个 object instance,并进行分割;
  • 语义分割 - 对每个像素分类.

新的评价指标 —— panoptic quality(PQ) measure

  • basic 算法 —— 结合实例分割和语义分割的全景分割方法,输出全景结果.

新的研究方向

  • CV 以往主要关注于 things - 可数的 objects (countable obects),如 people, animals, tools 等.
  • 而对于 stuff - 相同或相似纹理或材料的不规则区域,如 grass,sky,road 等的关注较少.
  • 关于 Stuff 的研究主要是以语义分割的进行,如 Figure 1b. 其目的是,通过对图片中每一个像素分类,来确定不规则、无组织、不可数的 stuff;语义分割方法是将 thing categories 作为 stuff.
  • 关于 Things 的研究可以作为目标检测或实例分割进行,如Figure 1c. 其目的是,通过检测每个 object,并以 bounding box 或 segmentation mask 的方式描述.

问题:

  • Can there be a reconciliation between stuff and things?
  • Is there a simple problem formulation that gracefully encompasses both tasks?
  • And what would a unified visual recognition system look like?

新的任务场景 - 全景分割 Panoptic Segmentation(PS)
全景(panoptic) - 对视野内所有物体进行描述"including everything visible in one view"

全景分割 - 图片内的每个像素都必须分配 semantic label 和 instance id. 如 Figure 1d.

相同 label 和相同 id 的像素属于相同 object;忽略 stuff labels 的 instance id.

Figure1. (a) 给定图片;(b)语义分割 groundtruth,逐像素的 class labels;(c)实例分割 groundtruth,逐 object 的 mask 和 class label;(d) 全景分割 groundtruth,逐像素的 class labels 和 instance labels. PS 将语义分割和实例分割泛化,对图片中的每一个可见 object 和 region 进行辨别与描述.

全景分割与实例分割,语义分割的不同:

  • 对比语义分割,全景分割需要区分不同的 object instances;对于 FCN-based 方法具有挑战性.
  • 对比实例分割,全景分割必须是非重叠的(non-overlapping);对于 region-based 方法具有挑战性.
  • 全景分割需要同时识别 stuff 和 things.

全景分割度量评价.

全景分割的尝试研究,结合语义分割和实例分割两种独立的研究,采用一系列的后处理方法,将二者的结果进行合并(本质上是,NMS 的复杂形式). 给出初步的全景分割 baseline.

1. 全景分割

1.1 PS 定义

给定 L 个语义 Categotries 的集合:${ \mathcal{L} := (1, ..., L) }$,

全景分割算法的目标是:将图片的每一个像素 i 映射到一个 pair ${ (l_i, z_i) \in \mathcal{L} × N }$.

其中,${ l_i }$ - 像素 i 的语义 class;${ z_i }$ - 像素 i 的 instance id.

全景分割算法的输出是以 instances 为基本单元,而不是像素,并用于后续的分割结果度量评价.

图片的 groundtruth 标注也采用相同方式处理.

1.2 Stuff 和 Thing Labels

语义 label 集包括两个子集:${ \mathcal{L} ^{St} }$ 和 ${ \mathcal{L} ^{Th} }$,且 ${ \mathcal{L} = \mathcal{L} ^{St} \cup \mathcal{L} ^{Th} }$,${ \mathcal{L} ^{St} \cap \mathcal{L} ^{Th} = \oslash }$.

${ \mathcal{L}^{St} }$ 和 ${ \mathcal{L}^{Th} }$ 分别表示 stuff labels 和 thing labels.

如果像素的 label 为 ${ l_i \in \mathcal{L}^{St} }$,则其对应的 instance id ${ z_i }$ 是不相关的.

即,对于 stuff categories,所有的像素都属于同一 instance(如都是 sky);否则,具有相同 ${ (l_i, z_i) }$ 的所有像素属于同一 instance (如都是 car),其中 ${ l_i \in \mathcal{L}^{Th} }$. 反之,属于同一 instance 的所有像素必须具有相同的 ${ (l_i, z_i) }$.

1.3 与语义分割区别

相同之处:

  • 均需要对图像的每个像素设定 semantic label.
  • 如果 groundtruth 未指定 instances 信息,或者所有的 categories 都是 stuff,二者相同.

不同之处:

  • 当有 thing categories 时,图片中有多个 instances 时,则二者有区别.

1.4 与实例分割区别

  • 实例分割 - 对图片中的每个 object 进行分割,允许 objects 重叠(overlapping);
  • 全景分割 - 图片每个像素只有一个 semantic label 和 一个 instance id. 不允许重叠.

1.5 Confidence scores

类似于语义分割,而不同于实例分割,全景分割不需要每个 segment 的confidence scores.

2. Panoptioc Quality

全景分割精度评价设计原则:

[1] - Completeness
完整性- 全景分割的关键性度量,包括 segmentation quality,检测 precision 和 recall.

[2] - Interpretability
可解释性 - 能够明确地表示其意义.

[3] - Simplicity
简单性 - 易于定义和实现. 能够进行快速计算.

提出全景分割的评价标准: Paniptic Quality(PQ).

PQ 计算预测的全景分割与 groundtruth 的差异. 主要包括两步:

[1] - instance matching 实例匹配
[2] - 给定 mathes,计算PQ.

2.1 Instance Matching

如果预测 segment 和 groundtruth segment 的 IOU > 0.5,则二者匹配(match).

再加上全景分割的非重叠属性(non-overlapping property),即可得到唯一的匹配(unique matching):与每个 ground truth segment 最多有一个匹配的预测 segment.

Theorem1.
给定图片的一个预测分割和 groundtruth 分割,每个 groundtruth 分割最多只能有一个对应的预测分割,且其 IoU 必须严格大于 0.5.

证明:
记 g - groundtruth segment;p1 和 p2 - 两个 predicted segments,且 ${ p1 \cap p2 = \oslash }$(non-overlap);${ |p1 \cup p2| \ge |g| }$.

则有:
${ IoU(p_i, g) = \frac{|p_i \cap g|}{|p_i \cup g|} \le \frac{|p_i \cap g|}{|g|}, i \in \lbrace 1, 2\rbrace }$

由 ${ p1 \cap p2 = \oslash }$ ,有 ${ |p1 \cap g| + |p2 \cap g| \le |g| }$.

对 ${ i \in \lbrace 1, 2 \rbrace }$, 有:

${ IoU(p1, g) + IoU(p2, g) \le \frac{|p1 \cap g| + |p2 \cap g|}{|g|} \le 1 }$

因此,如果 ${ IoU(p1, g) \ge 0.5 }$,则 ${ IoU(p2, g) < 0.5 }$.

即:只有一个预测 segment 与 groundtruth segment 的 IoU 严格大于 0.5.

Theorem 1 给出了全景分割度量评价需要的两种特点:

  • 简单有效 - segment 是唯一且易于计算的.
  • 可解释且易于理解

2.2 PQ 计算

先分别对每一类计算 PQ,再计算所有类的平均值. 对于类别不平衡问题,PQ 不敏感.

对于每一类,唯一匹配原则将 predicted 和 groundtruth segment 分成三个集:true positives(TP) - 匹配的 segments pairs,false positives(FP) - 不匹配的 predicted segments 和 false negatives(FN) - 不匹配的 grountruth segments. 如 Figure 2.

Figure 2. 图片全景分割的 groundtruth 和 predicted 结果. 相同颜色的 segments pairs 的 IoU 大于 0.5,被匹配到. 这里给出了 person 类的 segments 划分为 TP、FN 和 FP 的例子.

给定 TP、FP 和 FN, PQ 定义如下:

${ PQ = \frac{\sum_{(p,g) \in TP} IoU(p, g)}{|TP| + \frac{1}{2} |FP| + \frac{1}{2} |FN|} }$

${ \frac{1}{|TP|} \sum_{(p,g) \in TP} IoU(p, g) }$ 是匹配 segments 的平均 IoU;

${ \frac{1}{2} |FP| + \frac{1}{2} |FN| }$ 是惩罚(penalize) 没有匹配的 instances.

所有 segments 的权重一致,与其面积大小无关.

PQ 计算的等价形式:

${ PQ = \frac{\sum_{(p,g) \in TP} IoU(p, g)}{|TP| } × \frac{|TP|}{|TP|+ \frac{1}{2} |FP| + \frac{1}{2} |FN|} }$

可以看作是 Segmentation Quality(SQ) 和 Detection Quality(DQ) 的乘积.

${ SQ = \frac{\sum_{(p,g) \in TP} IoU(p, g)} {|TP| } }$

${ DQ = \frac{|TP|}{|TP|+ \frac{1}{2} |FP| + \frac{1}{2} |FN|} }$

SQ 是匹配 objects 的平均 IoU.

DQ 类似于 F1-score,在检测任务中被用到.

${ PQ = SQ × DQ }$

3. 全景分割数据集

现在仅有的三个同时包括语义分割和实例分割标注的数据集:

[1] - Cityscapes
5000 张图片,2975 张 train,500 张 validation, 1525 张 test.
自动驾驶场景;
像素级标注,19 类语义分割,其中 8 类实例级分割.

[2] - ADE20k
25k 张图片,20k 张 train, 2k val,3k test.
像素级分割,100 类 thing,50 类 stuff.

[3] - Mapillary Vistas
25k 张街景图片, 18k 张 train,2k 张 val,5k 张 test.
像素级分割,28 类 stuff,37 类 thing.

4. Results





5. 全景分割的前景

全景分割作为计算视觉一个新的任务场景,其前景有待挖掘与探索.

PS baseline 算法仅是结合实例分割和语义分割的输出,其创新方向可有:

  • 深度 End-to-end 模型,以同时处理 PS 中的 stuff-and-thing;
  • 由于PS 不能有重叠 segments,高层的推理可能有帮助解决. 如 learnable NMS.
Last modification:October 10th, 2018 at 01:24 am

Leave a Comment