利用无监督先验知识进行特征融合以使小目标得以表征
计算机视觉与模式识别
2019-12-18 v1
摘要
融合低层与高层特征是提供卷积与池化过程中可能缺失的细节的广泛使用策略。与以往工作不同，我们提出一种称为 FillIn 的新融合机制，其利用了以超像素分割描述的先验知识。根据该先验知识，FillIn 选取低层特征图上的小区域填充到高层特征图中。通过使用所提出的融合机制，低层特征在某些微小区域拥有与高层特征相等的通道数，这使得低层特征具有相对独立的决定最终语义标签的能力。我们在 PASCAL VOC 2012 上验证了模型的有效性，基于 DeepLabv3+ 骨干网络取得了具有竞争力的测试结果，且预测结果的可视化证明我们的融合能使小目标表征，并表明低层特征具备分割小目标的潜力。
引用
@article{arxiv.1912.08059,
title = {Feature Fusion Use Unsupervised Prior Knowledge to Let Small Object Represent},
author = {Tian Liu and Lichun Wang and Shaofan Wang},
journal= {arXiv preprint arXiv:1912.08059},
year = {2019}
}