用于精细图像分割的深度结构化预测模型中的复杂关系
计算机视觉与模式识别
2018-05-25 v1
摘要
许多用于语义分割的深度学习架构涉及全卷积神经网络（FCN）后接条件随机场（CRF）以对图像进行推断。这些模型通常包含基于 FCN 计算的局部外观特征的一元势，以及基于像素间位移的二元势。我们表明，尽管现有方法能成功分割整个对象，但在涉及大量对象部件的情况下表现不佳。因此我们建议将受人类识别和定位部件方式启发的额外高阶势纳入推断算法。我们将两种被证明对人类对象识别有用——包含（containment）与连接（attachment）——的关系纳入 CRF 的能量项，并在 Pascal VOC Parts 数据集上评估其性能。实验结果表明，精细部件的分割受到这两种关系加入的正向影响，且精细部件的分割可进一步受复杂结构特征影响。
引用
@article{arxiv.1805.09462,
title = {Complex Relations in a Deep Structured Prediction Model for Fine Image Segmentation},
author = {Cristina Mata and Guy Ben-Yosef and Boris Katz},
journal= {arXiv preprint arXiv:1805.09462},
year = {2018}
}