DeNISE：用于改进分割边缘的深度网络
计算机视觉与模式识别
2023-09-06 v1
摘要
本文提出用于改进分割边缘的深度网络（DeNISE），一种利用边缘检测与分割模型来提升分割掩膜边界质量的新颖数据增强技术。DeNISE利用两种连续深度神经架构之间的固有差异来提高预测分割边缘的精度。DeNISE适用于所有类型的神经网络，且不以端到端方式训练，从而允许快速实验以发现哪些模型相互补充。我们在航拍图像的建筑分割任务上测试并应用了DeNISE。航拍图像以条件困难而著称，因其分辨率低且带有光学噪声，如反射、阴影与视觉遮挡。总体而言，本文展示了DeNISE的潜力。使用该技术，我们将基线结果提升至建筑IoU为78.9%。
引用
@article{arxiv.2309.02091,
title = {DeNISE: Deep Networks for Improved Segmentation Edges},
author = {Sander Riisøen Jyhne and Per-Arne Andersen and Morten Goodwin},
journal= {arXiv preprint arXiv:2309.02091},
year = {2023}
}