利用超像素池化的高效语义图像分割
计算机视觉与模式识别
2018-06-08 v1 机器学习
摘要
本工作中，我们评估在深度网络架构中使用超像素池化层进行语义分割。超像素池化是一种灵活高效的替代其他池化策略的方法，可融入空间先验信息。我们提出该层的简单高效 GPU 实现，并探索将其集成到现有网络架构中的若干设计。我们在 IBSR 与 Cityscapes 数据集上提供实验结果，表明超像素池化可被用以极小计算开销持续提升网络精度。源代码见 https://github.com/bermanmaxim/superpixPool
引用
@article{arxiv.1806.02705,
title = {Efficient semantic image segmentation with superpixel pooling},
author = {Mathijs Schuurmans and Maxim Berman and Matthew B. Blaschko},
journal= {arXiv preprint arXiv:1806.02705},
year = {2018}
}