注意力机制与生成对抗网络在立面损伤分割中的比较研究
计算机视觉与模式识别
2022-09-28 v1 图像与视频处理
摘要
语义分割受益于深度学习，并已在处理现场检测的图形数据中展现出可能性。因此，应检测立面图像中的视觉损伤。注意力机制与生成对抗网络是提升语义分割质量最流行的两种策略。针对这两种策略，本文采用具代表性的卷积神经网络 U-net 作为主干网络，分两步给出比较研究。首先，利用细胞图像分别确定带注意力机制或生成对抗网络的 U-net 中最有效的网络。随后，将第一步中选出的网络及其组合应用于立面损伤分割，以考察这些网络的性能。此外，发现并讨论了注意力机制与生成对抗网络的联合效果。
引用
@article{arxiv.2209.13283,
title = {A comparative study of attention mechanism and generative adversarial network in facade damage segmentation},
author = {Fangzheng Lin and Jiesheng Yang and Jiangpeng Shu and Raimar J. Scherer},
journal= {arXiv preprint arXiv:2209.13283},
year = {2022}
}