FBNet：面向城市场景分割的特征平衡网络
计算机视觉与模式识别
2021-11-08 v1
摘要
由于在城市自动驾驶系统中的成功，城市场景的图像分割近来备受关注。然而，受关注的前景目标（如交通灯与杆状物）性能不佳，仍限制其进一步实际应用。在城市场景中，由于特殊的相机位置与三维透视投影，前景目标总是隐藏于其周围的背景事物中。更糟的是，由于感受野的持续扩张，这加剧了高层特征中前景与背景类别间的不平衡。我们称之为特征伪装。本文提出一种新颖的附加模块，称为特征平衡网络（FBNet），以消除城市场景分割中的特征伪装。FBNet 由两个关键组件构成，即块级 BCE（BwBCE）与双特征调制器（DFM）。BwBCE 作为辅助损失，在反向传播中确保前景类别及其周围区域的均匀梯度。同时，DFM 意在 BwBCE 监督下自适应增强高层特征中前景类别的深度表示。这两个模块作为整体相互促进，有效缓解特征伪装。我们所提方法在两个具挑战性的城市场景基准（即 Cityscapes 与 BDD100K）上取得了新的最先进分割性能。代码将发布以供复现。
引用
@article{arxiv.2111.03286,
title = {FBNet: Feature Balance Network for Urban-Scene Segmentation},
author = {Lei Gan and Huabin Huang and Banghuai Li and Ye Yuan},
journal= {arXiv preprint arXiv:2111.03286},
year = {2021}
}
备注
Tech Report