Segmentation sémantique d'instances avec une fonction de perte discriminante

La segmentation sémantique d'instances reste une tâche difficile. Dans ce travail, nous proposons d'aborder le problème avec une fonction de perte discriminante, opérant au niveau des pixels, qui encourage un réseau de convolution à produire une représentation de l'image pouvant facilement être regroupée en instances par une simple étape de post-traitement. La fonction de perte encourage le réseau à mapper chaque pixel à un point dans l'espace des caractéristiques afin que les pixels appartenant à la même instance se situent à proximité les uns des autres tandis que différentes instances sont séparées par une large marge. Notre approche consistant à combiner un réseau traditionnel avec une fonction de perte principielle inspirée d'un objectif d'apprentissage métrique est conceptuellement simple et distincte des efforts récents en segmentation d'instances. Contrairement aux travaux précédents, notre méthode ne s'appuie pas sur des propositions d'objets ou des mécanismes récurrents. Une contribution clé de notre travail est de démontrer qu'un tel cadre simple, sans fioritures, est efficace et peut rivaliser avec des méthodes plus complexes. De plus, nous montrons qu'il ne souffre pas de certaines des limitations des approches populaires de détection et de segmentation. Nous obtenons des performances compétitives sur les benchmarks de segmentation de feuilles Cityscapes et CVPPP.