用于语义分割的膨胀连续随机场
计算机视觉与模式识别
2022-02-02 v1 人工智能
摘要
平均场近似方法为现代基于连续随机场（CRF）的语义分割细化方案奠定了基础。本文中，我们提出通过所提出的膨胀稀疏卷积模块（DSConv）进行全局优化，从而放宽平均场近似的硬约束——即最小化概率图模型中每个节点的能量项。此外，采用自适应全局平均池化和自适应全局最大池化替代全连接层。为整合 DSConv，我们设计了一个端到端、时间高效的 DilatedCRF 流程。一元能量项由常规分类器使用预 softmax 与后 softmax 特征或预测的 affordance map 导出，使 DilatedCRF 更易于应用于各类分类器。我们还在 suction 数据集上给出了相较其他基于 CRF 方法的优越实验结果。
引用
@article{arxiv.2202.00162,
title = {Dilated Continuous Random Field for Semantic Segmentation},
author = {Xi Mo and Xiangyu Chen and Cuncong Zhong and Rui Li and Kaidong Li and Usman Sajid},
journal= {arXiv preprint arXiv:2202.00162},
year = {2022}
}
备注
Manuscript accepted by IEEE International Conference on Robotics and Automation (ICRA 2022)