基于CRF的语义分割中的高斯滤波器
计算机视觉与模式识别
2017-09-05 v1
摘要
人工智能正随深度学习的快速发展在学术界和工业界带来巨大变革，深度学习是机器学习和统计学习的一个分支。全卷积网络[1]是语义分割的标准模型。编码为CNN[2]或RNN[3]并与FCN连接的条件随机场已成功应用于目标检测[4]。本文中，我们为FCN引入多分辨率神经网络，并将高斯滤波器应用于扩展的CRF核邻域和标签图像，以减少CRF神经网络分割的振荡效应，从而实现更高精度与更快训练速度。
引用
@article{arxiv.1709.00516,
title = {Gaussian Filter in CRF Based Semantic Segmentation},
author = {Yichi Gu and Qisheng Wu and Jing Li and Kai Cheng},
journal= {arXiv preprint arXiv:1709.00516},
year = {2017}
}
备注
11 pages, 9 figures, 2 tables