COSNet: 一种利用杂乱场景中增强边界进行语义分割的新网络
计算机视觉与模式识别
2024-11-01 v1
摘要
自动废物回收旨在通过采用基于视觉的系统，高效地将可回收物体从废物中分离出来。然而，存在具有不同材料类型的形状各异的物体使这一问题具有挑战性，尤其是在杂乱环境中。现有的分割方法通过采用多上下文表示在许多语义分割数据集上表现合理，但在杂乱场景中用于废物物体分割时其性能会下降。此外，塑料物体由于其半透明性质进一步增加了问题的复杂性。为了解决这些局限性，我们提出了一种高效的语义分割网络COSNet，它利用边界线索结合多上下文信息来准确分割杂乱场景中的物体。COSNet引入了新颖的组件，包括特征锐化模块（FSB）和边界增强模块（BEM），用于增强特征并突出杂乱环境中不规则废物物体的边界信息。在三个具有挑战性的数据集ZeroWaste-f、SpectralWaste和ADE20K上进行的广泛实验证明了所提方法的有效性。我们的COSNet在mIoU指标上分别在ZeroWaste-f和SpectralWaste数据集上取得了1.8%和2.1%的显著提升。
引用
@article{arxiv.2410.24139,
title = {COSNet: A Novel Semantic Segmentation Network using Enhanced Boundaries in Cluttered Scenes},
author = {Muhammad Ali and Mamoona Javaid and Mubashir Noman and Mustansar Fiaz and Salman Khan},
journal= {arXiv preprint arXiv:2410.24139},
year = {2024}
}
备注
Accepted at WACV 2025