DDNet：用于遮挡关系推理的双路解码器网络
计算机视觉与模式识别
2022-05-12 v3
摘要
基于卷积神经网络的遮挡关系推理包含两个子任务：遮挡边界提取与遮挡方向推断。由于这两个子任务在高低层阶段的特征表达上存在本质差异，在单一网络中同时进行处理具有挑战性。为解决此问题，我们提出了一种新颖的双路解码器网络（Dual-path Decoder Network），该网络在高层阶段统一提取遮挡信息，并在低层阶段分为两路分别恢复边界与遮挡方向。此外，考虑到遮挡方向表示方式对遮挡方向学习的限制，我们设计了一种新的遮挡方向正交表示，并提出了正交方向回归损失（Orthogonal Orientation Regression loss），该损失能够摆脱遮挡表示与学习之间的不匹配，进一步促进遮挡方向学习。最后，我们采用多尺度损失与我们提出的方向回归损失分别引导边界路径与方向路径的学习。实验表明，我们的方法在 PIOD 与 BSDS ownership 数据集上取得了最先进的（state-of-the-art）结果。
引用
@article{arxiv.1911.11582,
title = {DDNet: Dual-path Decoder Network for Occlusion Relationship Reasoning},
author = {Panhe Feng and Xuejing Kang and Lizhu Ye and Lei Zhu and Chunpeng Li and Anlong Ming},
journal= {arXiv preprint arXiv:1911.11582},
year = {2022}
}
备注
The new one has been republished as arXiv:2108.05722