结合图模型与卷积神经网络的优势进行语义分割
计算机视觉与模式识别
2014-12-17 v2
摘要
我们提出了一种结合卷积神经网络（CNNs）和图模型的两模块语义分割方法。图模型用于生成一组少量（5-30 个）多样的分割提议，以确保该集合具有高召回率。由于所需提议数量极少，我们可以提取相当复杂的特征对其进行排序。我们选择的复杂特征是一种名为 SegNet 的新型 CNN，它直接输出（粗略的）语义分割。重要的是，SegNet 经过专门训练以优化语料库级别的 PASCAL IOU 损失函数。据我们所知，这是首个专为语义分割设计的 CNN。这种两模块方法在 PASCAL 2012 分割挑战赛中取得了 的成绩。
引用
@article{arxiv.1412.4313,
title = {Combining the Best of Graphical Models and ConvNets for Semantic Segmentation},
author = {Michael Cogswell and Xiao Lin and Senthil Purushwalkam and Dhruv Batra},
journal= {arXiv preprint arXiv:1412.4313},
year = {2014}
}
备注
13 pages, 6 figures