Border-SegGCN：利用图卷积网络优化边界轮廓以改进语义分割
计算机视觉与模式识别
2021-09-14 v1 人工智能
摘要
我们提出Border-SegGCN，一种利用图卷积网络（GCN）优化边界轮廓以改进语义分割的新型架构。将Unet或DeepLabV3+等语义分割网络作为基础网络以得到预分割输出。该输出被转换为图结构并输入GCN，以改进预分割输出的边界像素预测。我们通过实验探索并研究了边界厚度、节点的边数以及输入GCN的特征数量等因素。我们在CamVid和Carla数据集上展示了Border-SegGCN的有效性，在CamVid数据集上无需任何后处理即达到81.96%的测试集性能。这比已报道的CamVid数据集上最先进（state of the art）mIoU高出0.404%。
引用
@article{arxiv.2109.05353,
title = {Border-SegGCN: Improving Semantic Segmentation by Refining the Border Outline using Graph Convolutional Network},
author = {Naina Dhingra and George Chogovadze and Andreas Kunz},
journal= {arXiv preprint arXiv:2109.05353},
year = {2021}
}
备注
8 pages