ACFNet：用于语义分割的注意力类特征网络
计算机视觉与模式识别
2019-10-21 v3
摘要
近期工作通过利用更丰富的上下文在语义分割上取得了巨大进展，其中大多数是从空间视角设计的。与以往工作不同，我们提出了类中心的概念，从类别视角提取全局上下文。这种类级上下文描述了图像中每个类的整体表示。我们进一步提出了一种新颖的模块，称为注意力类特征（ACF）模块，用于计算并根据每个像素自适应地组合不同的类中心。基于ACF模块，我们引入了一个由粗到细的分割网络，称为注意力类特征网络（ACFNet），它可由一个ACF模块和任何现成的分割网络（基础网络）组成。在本文中，我们使用两种类型的基础网络来评估ACFNet的有效性。仅在精细标注数据用于训练的情况下，我们在Cityscapes数据集上取得了81.85% mIoU的最新最优性能。
引用
@article{arxiv.1909.09408,
title = {ACFNet: Attentional Class Feature Network for Semantic Segmentation},
author = {Fan Zhang and Yanqin Chen and Zhihang Li and Zhibin Hong and Jingtuo Liu and Feifei Ma and Junyu Han and Errui Ding},
journal= {arXiv preprint arXiv:1909.09408},
year = {2019}
}
备注
Accepted to ICCV 2019