利用 CNN 基于 Pascal VOC 的语义分割研究
计算机视觉与模式识别
2023-05-08 v2 人工智能
摘要
在本文中，我们提出了一项基于 Pascal VOC 数据集的语义分割综合研究。此处，我们必须为每个像素标注一个类别，从而基于存在的物体/实体分割整幅图像。为此，我们首先使用全卷积网络(FCN)基线，其像素准确率为 71.31%，平均 IoU 为 0.0527。我们分析其性能与工作机制，随后通过三项改进解决基线中的问题：a) 余弦退火学习率调度器（像素准确率：72.86%，IoU：0.0529），b) 数据增强（像素准确率：69.88%，IoU：0.0585），c) 类别不平衡权重（像素准确率：68.98%，IoU：0.0596）。除训练流程中的这些改变外，我们还探索了三种不同架构：a) 我们提出的模型——高级 FCN（像素准确率：67.20%，IoU：0.0602），b) 基于 ResNet 的迁移学习（最佳性能）（像素准确率：71.33%，IoU：0.0926），c) U-Net（像素准确率：72.15%，IoU：0.0649）。我们观察到这些改进极大地提升了性能，这反映在指标和分割图中。有趣的是，我们观察到在各项改进中，数据集增强贡献最大。同时请注意，迁移学习模型在 pascal 数据集上表现最佳。我们利用损失、准确率和 IoU 曲线以及分割图分析了这些模型的性能，这有助于我们获得关于模型工作机制的宝贵见解。
引用
@article{arxiv.2304.13216,
title = {Exploiting CNNs for Semantic Segmentation with Pascal VOC},
author = {Sourabh Prakash and Priyanshi Shah and Ashrya Agrawal},
journal= {arXiv preprint arXiv:2304.13216},
year = {2023}
}