面向 VIPriors 挑战赛的保边引导语义分割
计算机视觉与模式识别
2020-07-20 v1
摘要
语义分割是计算机视觉中最具吸引力的研究领域之一。在 VIPriors 挑战赛中，仅允许使用非常有限的训练样本，导致当前最先进（state-of-the-art）的基于深度学习的语义分割技术难以训练良好。为克服这一缺陷，我们提出保边引导以获取额外的先验信息，从而避免在小规模训练数据集下的过拟合。首先，将双通道卷积层拼接至常规语义分割网络的最后一层。然后，通过 Sobel 算子从真值计算边缘图，并随后拼接硬阈值操作以指示该像素是否为边缘。接着，采用二维交叉熵损失计算预测边缘图与其真值之间的损失，称为保边损失。通过这种方式，不同实例间边界的连续性可由所提出的保边损失强制保持。实验表明，与最先进的语义分割技术相比，所提方法在小型训练集下能取得优异性能。
引用
@article{arxiv.2007.08919,
title = {Edge-Preserving Guided Semantic Segmentation for VIPriors Challenge},
author = {Chih-Chung Hsu and Hsin-Ti Ma},
journal= {arXiv preprint arXiv:2007.08919},
year = {2020}
}
备注
Technical report for VIPChallenge