摘要

对象解析——即将一个对象分解为其语义部分的任务——传统上被表述为类别级别的分割问题。因此，当图像中存在多个对象时，现有方法既无法统计场景中的对象数量，也无法确定每个部分属于哪个对象。我们通过实例级别的分割来解决这一问题，使得图像中的每个像素不仅被赋予一个部分标签，还被赋予其所属对象的身份标识。此外，我们展示了这种方法在获得粗粒度分割方面同样具有优势。我们提出的网络基于检测结果进行端到端训练，并从类别级别的分割模块开始。随后，定义在每张输入图像上的可变数量实例之上的可微条件随机场（Conditional Random Field, CRF）通过将其与一个人体检测关联起来，推断每个部分的身份。与其他方法不同的是，我们的方法能够处理每幅图像中人数的变化，并且我们的整体网络在实例级别的人体和部分分割任务中取得了最先进的结果，在类别级别的部分分割任务中也达到了竞争性的水平，所有这些都仅需一次前向传播即可实现。