用于航空场景语义分割的关系增强全卷积网络
计算机视觉与模式识别
2020-05-20 v3
摘要
当前大多数语义分割方法依赖于深度卷积神经网络（CNN）。然而，其使用的局部感受野卷积操作导致无法对上下文空间关系进行建模。先前的工作试图通过网络中的图模型或空间传播模块来解决此问题。但此类模型通常无法捕获实体间的长程空间关系，导致空间上碎片化的预测。此外，最近的工作表明，通道信息在 CNN 中也起着关键作用。在本研究中，我们引入了两个简单而有效的网络单元，即空间关系模块和通道关系模块，用于学习并推理任意两个空间位置或特征图之间的全局关系，进而生成关系增强的特征表示。空间和通道关系模块具有通用性和可扩展性，能够以即插即用的方式与现有的全卷积网络（FCN）框架配合使用。我们在两个航空图像数据集上评估了配备关系模块的网络在语义分割任务中的表现，这些任务从根本上依赖于长程空间关系推理。该网络取得了极具竞争力的结果，相比基线有显著提升。
引用
@article{arxiv.1904.05730,
title = {A Relation-Augmented Fully Convolutional Network for Semantic Segmentation in Aerial Scenes},
author = {Lichao Mou and Yuansheng Hua and Xiao Xiang Zhu},
journal= {arXiv preprint arXiv:1904.05730},
year = {2020}
}
备注
CVPR2019