深度學習從入門到放棄之CV-video segmentation綜述

目錄

1、Problem

2、metrics 、datasets和challenge

3、two main approaches

4、DAVIS-2017 challenge

5、 video segmentation參考文獻

1、Problem

計算機視覺領域中，Image和目標有關的經典任務有三種：classification, detection 和segmentation。其中classification實現「是什麼」，detection 和segmentation都可以實現定位，前者是依照邊界框形式，而後者是像素級的分割。

Video實現目標檢測任務有：Visual tracking，action classification, action (temporal) Recognition, video semantic segmentation，person ReID，Pose estimation等。

video object segmentation和Visual tracking有相似之處。video object segmentation需要解決的是半監督問題，只給出視頻第一幀的正確分割掩膜，然後在之後的每一連續幀中像素級分割標註的目標，實際就是像素級的目標追蹤問題；而Visual tracking解決的是只給出視頻第一幀的定位邊界框，在後續每一連續幀中同樣用邊界框的形式標註物體。兩者關係類似於Segmentation和Detection的關係。

Visual tracking一直是相關濾波的天下，CNN一直很難佔領；video object segmentation自 DAVIS-2016,主流演算法就是基於CNN的OSVOS和MaskTrack。而且classification/detection/ segmentation/Visual tracking論文滿天飛，detection領域有RGB，Kaiming He等不斷填坑，與大神競爭實在是很難。但是，Video Object Segmentation領域才開始，DAVIS Challenge on Video Object Segmentation 才舉辦兩年，演算法實時性/精度有限，很多荒地等待開墾。

基於圖片的語義分割經典演算法包括FCN,SegNet、Dilated Convolutions、DeepLab (v1 & v2& v3)、RefineNet、PSPNet、Large Kernel Matters等。但是，視頻目標分割任務和圖片的語義分割有兩個基本區別：視頻目標分割任務分割的是非語義的目標，並且視頻目標分割添加了一個時序模塊，它的任務是在視頻的每一連續幀中尋找目標的對應像素。直接使用經典的語義分割演算法難以達到視頻處理的性能，這也是為什麼基於時序的MaskTrack演算法優於基於視頻獨立幀獨立處理的OSVOS演算法。

Video Segmentation問題中，又可以劃分兩個子類別Unsupervised 和Semi-supervised，如上圖所示：

Unsupervised ：任務是查找和分割視頻中的主要目標，因為沒有監督，演算法自行決定主分割是什麼。

Semi-supervised：只給出視頻第一幀的正確分割掩膜，然後在之後的每一連續幀中像素級分割標註的目標，實際就是像素級的目標追蹤問題。Semi-supervised又可以細分為單目標分割和多目標分割。

2、metrics 、datasets和challenge

metrics

分割的準確率主要有兩個標準：

區域相似度（Region Similarity）：區域相似度是掩膜 M 和真值 G 之間的 Intersection over Union 函數

輪廓精確度（Contour Accuracy）：將掩膜看成一系列閉合輪廓的集合，並計算基於輪廓的 F 度量，即準確率和召回率的函數。即輪廓精確度是對基於輪廓的準確率和召回率的 F 度量。

直觀上，區域相似度度量標註錯誤像素的數量，而輪廓精確度度量分割邊界的準確率。

datasets和challenge

1、DAVIS-2016和DAVIS-2017，鏈接 http://davischallenge.org/code.html

2、DAVIS挑戰賽官網鏈接 http://davischallenge.org/

3、GyGO: E-commerce Video Object Segmentation by Visualead，電商視頻目標分割數據集，鏈接 https://github.com/ilchemla/gygo-dataset

3、two main approaches

DAVIS-2016出現的演算法OSVOS（One Shot Video Object Segmentation，OSVOS）和MaskTrack，成為DAVIS-2017的主流演算法。OSVOS 獨立地分割視頻的每一幀，而 MaskTrack 還需要考慮視頻中的時序信息。OSVOS和MaskTrack 演算法相關論文和筆記可以參考第五部分的目錄。

4、DAVIS-2017 challenge

在準確性方面，2017年DAVIS的表現有了顯著的飛躍。作為參考：2016年最先進的OSVOS在2017年的挑戰中獲得了46％的區域相似度得分，而今年的獲勝者取得了令人印象深刻的67.9分！在DAVIS-2017 22個參賽隊伍中，排名前9位的成績如下：

從上述表格，可以看到如下趨勢：

1、MaskTrack 和OSVOS佔主流，前三名使用MaskTrack ,後六名使用OSVOS，MaskTrack 已經完勝OSVOS。

2、另外一種數據增強方式Lucid Data Dreaming走上舞台。前九名6個參賽隊伍在使用，包括冠軍和亞軍。

3、VGG16和ResNet各佔4名，ResNet走上前台。

4、很多參賽隊在其解決方案中使用語義分割或目標檢測（Faster -RCNN）網路。

5、video segmentation參考文獻

特別參考Eddie Smolyansky撰寫的博客：

The Basics of Video Object Segmentation

A Meta-analysis of DAVIS-2017 Video Object Segmentation Challenge

相關論文：

2016----A Benchmark Dataset and Evaluation Methodology for Video Object Segmentation

2016----Clockwork Convnets for Video Semantic Segmentation

2016----MaskTrack ----Learning Video Object Segmentation from Static Images

2017----DAVIS-Challenge-1st----Video Object Segmentation with Re-identification

2017----DAVIS-Challenge-2nd----Lucid Data Dreaming for Multiple Object Tracking

2017----DAVIS-Challenge-3rd----Instance Re-Identification Flow for Video Object Segmentation

2017----DAVIS-Challenge-4th----Multiple-Instance Video Segmentation with Sequence-Specific Object Proposals

2017----DAVIS-Challenge-5th Online Adaptation of Convolutional Neural Networks for the 2017 DAVIS Challenge on Video Object Segmentation

2017----DAVIS-Challenge-6th ----Learning to Segment Instances in Videos with Spatial Propagation Network

2017----DAVIS-Challenge-7th----Some Promising Ideas about Multi-instance Video Segmentation

2017----DAVIS-Challenge-8th----One-Shot Video Object Segmentation with Iterative Online Fine-Tuning

2017----DAVIS-Challenge-9th----Video Object Segmentation using Tracked Object Proposals

2017----ICCV2017----SegFlow_Joint Learning for Video Object Segmentation and Optical Flow

2017----OSVOS----One-Shot Video Object Segmentation

2017----Surveillance Video Parsing with Single Frame Supervision

2017----The 2017 DAVIS Challenge on Video Object Segmentation

2017----Video Propagation Networks

返回CV總目錄