用于语义分割的多尺度精化注意力模型
计算机视觉与模式识别
2018-07-10 v1
摘要
本文提出一种用于语义分割的新颖注意力模型，其聚合多尺度与上下文特征以精化预测。具体而言，骨架卷积神经网络框架接收多个不同尺度的输入，借此 CNN 可获取不同尺度下的表示。所提注意力模型将分别处理来自不同尺度流的特征并加以整合。随后模型的定位注意力分支学习在每个像素位置对多尺度特征进行软加权。此外，我们添加了一个与定位注意力并行输出的重标定分支，以按类重标定得分图。我们在 PASCAL VOC 2012 与 ADE20K 数据集上取得了极具竞争力的结果，超越了基线及相关工作。
引用
@article{arxiv.1807.02917,
title = {Attention to Refine through Multi-Scales for Semantic Segmentation},
author = {Shiqi Yang and Gang Peng},
journal= {arXiv preprint arXiv:1807.02917},
year = {2018}
}