用于 RGB-D 语义分割的深度特征筛选与融合
计算机视觉与模式识别
2021-05-11 v1
摘要
场景深度信息可辅助视觉信息以实现更准确的语义分割。然而，如何有效地将多模态信息整合为具有代表性的特征仍是一个开放问题。现有多数工作使用 DCNNs 隐式融合多模态信息。但随着网络加深，一些关键区分性特征可能丢失，从而降低分割性能。本文提出一种统一高效的特征筛选与融合网络（FSFNet），其包含用于多模态信息显式融合的对称跨模态残差融合模块。此外，该网络包含一个细节特征传播模块，用于在网络前向过程中保持低级细节信息。与最先进的方法相比，实验评估表明所提模型在两个公开数据集上取得了具有竞争力的性能。
关键词
引用
@article{arxiv.2105.04102,
title = {Deep feature selection-and-fusion for RGB-D semantic segmentation},
author = {Yuejiao Su and Yuan Yuan and Zhiyu Jiang},
journal= {arXiv preprint arXiv:2105.04102},
year = {2021}
}
备注
ICME 2021