DMSA：基于自适应亲和力的动态多尺度无监督语义分割
计算机视觉与模式识别
2023-03-03 v1
摘要
本文提出的方法基于四个损失函数提出了一种端到端无监督语义分割架构 DMSA。该框架使用空洞空间金字塔池化（ASPP）模块来增强特征提取。同时，设计了一种动态膨胀策略以更好地捕获多尺度上下文信息。其次，引入了像素自适应细化（PAR）模块，该模块能够在特征融合后自适应地细化初始伪标签，从而获得高质量伪标签。实验表明，所提出的 DMSA 框架在显著性数据集上优于现有方法。在 COCO 80 数据集上，MIoU 提升了 2.0，准确率提升了 5.39。在 Pascal VOC 2012 Augmented 数据集上，MIoU 提升了 4.9，准确率提升了 3.4。此外，引入 PAR 模块后模型的收敛速度也得到大幅提升。
引用
@article{arxiv.2303.00199,
title = {DMSA: Dynamic Multi-scale Unsupervised Semantic Segmentation Based on Adaptive Affinity},
author = {Kun Yang and Jun Lu},
journal= {arXiv preprint arXiv:2303.00199},
year = {2023}
}
备注
5 pages,4 figures