DCANet：用于语义分割的密集上下文感知网络
计算机视觉与模式识别
2021-04-07 v1
摘要
随着上下文信息在先进语义分割中的优势逐渐显现，学习捕获紧凑的上下文关系有助于理解复杂场景。与若干利用多尺度上下文融合的先前工作不同，我们提出一个名为密集上下文感知（DCA）模块的新颖模块，以自适应地整合局部细节信息与全局依赖。在上下文关系驱动下，DCA模块能更好地实现上下文信息的聚合，生成更强大的特征。此外，我们基于DCA模块刻意设计两种扩展结构，以进一步捕获长程上下文依赖信息。通过级联或并行组合DCA模块，我们的网络采用渐进策略改善多尺度特征表示，实现鲁棒分割。我们在三个具挑战性的数据集（包括PASCAL VOC 2012、Cityscapes与ADE20K）上通过大量实验实证了我们的方法（DCANet）的优异性能。
引用
@article{arxiv.2104.02533,
title = {DCANet: Dense Context-Aware Network for Semantic Segmentation},
author = {Yifu Liu and Chenfeng Xu and Xinyu Jin},
journal= {arXiv preprint arXiv:2104.02533},
year = {2021}
}