用于实时语义分割的边界校正多尺度融合网络
计算机视觉与模式识别
2022-11-07 v1
摘要
图像语义分割旨在对图像进行像素级分类，在实际应用中对精度和速度都有要求。现有的语义分割方法主要依赖高分辨率输入来实现高精度，无法满足推理时间的要求。尽管一些方法专注于具有轻量级架构的高速场景解析，但它们在低计算量下无法充分挖掘语义特征，性能相对较低。为了实现实时且高精度的分割，我们提出了一种名为边界校正多尺度融合网络的新方法，该方法使用设计的低分辨率多尺度融合模块来提取语义信息。此外，为了处理由低分辨率特征图融合引起的边界误差，我们进一步设计了额外的边界校正损失来约束过度平滑的特征。大量实验表明，我们的方法在实时语义分割的精度和速度上达到了 SOTA 的平衡。
引用
@article{arxiv.2203.00436,
title = {Boundary Corrected Multi-scale Fusion Network for Real-time Semantic Segmentation},
author = {Tianjiao Jiang and Yi Jin and Tengfei Liang and Xu Wang and Yidong Li},
journal= {arXiv preprint arXiv:2203.00436},
year = {2022}
}
备注
5 pages, 3 figures