从这里它说
解决实例分割的技术大致可以分为两类：基于提议的方法和无提议的方法。在基于提议的方法中，首先预测一组对象提议及其类，然后在每个边界框中执行前景-背景分割。无提案的方法排除了提案生成的步骤。
在这种情况下，什么是“提议”？另外，如何“首先预测他们的班级”？互联网上没有太多关于这个主题的解释，如果有人能解释这些差异，我将不胜感激。
基于提案的方法和无提案的方法有什么区别？
数据挖掘
深度学习
计算机视觉
物体检测
图像分割
2022-02-25 16:47:17
1个回答
基于提案：
- 让我们寻找一辆车，定义它的边界等。好的，找到一辆车。
- 聚类属于那辆车的所有像素。
免提案：
- 让我们将每个像素标记为一些未分类的实例。
- 根据语义分割的结果，该实例可能属于“汽车”类别。
您也可以检查II。下面的论文中的相关工作有更详细的解释，其中提到了一些其他来源：
许，严昌，等人。“学习集群以实现无提案实例分割。” 2018 年神经网络国际联合会议（IJCNN）。IEEE，2018 年。