利用稠密语义预测实现更优图像分割
计算机视觉与模式识别
2016-06-07 v1
摘要
图像分割可受益于利用多层次线索，这一点已广为接受。本文聚焦于在自底向上的图像分割中利用基于 FCNN 的稠密语义预测，主张从一开始就将语义线索纳入考量。通过这种方式，我们可以尽可能避免合并外观相似但语义类别不同的区域。语义低效问题得以处理。我们还提出了一种直接的方法，利用轮廓线索抑制多层次线索中的噪声，从而提高分割的鲁棒性。在 BSDS500 上的评估表明，我们获得了具有竞争力的区域和边界性能。此外，由于在计算过程中所有单个区域都可被赋予适当的语义标签，我们能够提取调整后的语义分割结果。在 Pascal VOC 2012 上的实验显示，我们对直接源自稠密预测的原始语义分割结果有所改进。
引用
@article{arxiv.1606.01481,
title = {Better Image Segmentation by Exploiting Dense Semantic Predictions},
author = {Qiyang Zhao and Lewis D Griffin},
journal= {arXiv preprint arXiv:1606.01481},
year = {2016}
}