用于细粒度语义分割的动态双采样模块
计算机视觉与模式识别
2021-05-26 v1
摘要
语义上下文与局部细节的表征是构建现代语义分割模型的核心问题。然而，以往工作未能很好地探索语义上下文与局部细节之间的相互关系。本文提出一种动态双采样模块（DDSM），以进行动态亲和度建模并将语义上下文传播至局部细节，从而获得更具判别力的表征。具体而言，采用动态采样策略在高层级中稀疏采样具有代表性的像素与通道，为低层级中的每个像素与通道形成自适应的紧凑支撑。具有高语义的采样特征依据亲和度进行聚合，随后传播至细节化的低层特征，从而得到边界保持良好的细粒度分割结果。在 Cityscapes 与 Camvid 数据集上的实验结果验证了所提方法的有效性与高效性。代码与模型将发布于 \url{x3https://github.com/Fantasticarl/DDSM}。
引用
@article{arxiv.2105.11657,
title = {Dynamic Dual Sampling Module for Fine-Grained Semantic Segmentation},
author = {Chen Shi and Xiangtai Li and Yanran Wu and Yunhai Tong and Yi Xu},
journal= {arXiv preprint arXiv:2105.11657},
year = {2021}
}
备注
accepted by ICIP-2021