ICFRNet：基于图像复杂度先验引导的实时语义分割特征细化网络
计算机视觉与模式识别
2024-08-27 v1
摘要
本文利用图像复杂度作为先验，对分割特征进行细化以实现准确的实时语义分割。设计理念基于这样一种观察：图像中不同像素区域的复杂度呈现不同的水平，复杂度更高的区域对准确分割构成更大挑战。因此，我们引入图像复杂度作为先验引导，提出图像复杂度先验引导特征细化网络（ICFRNet）。该网络综合了复杂度与分割特征，生成用于细化分割特征的注意力图，基于图像复杂度引导注意力（ICGA）模块实现。我们针对分割任务和图像复杂度预测任务联合优化网络，采用组合损失函数。实验在Cityscapes和CamViD数据集上表明，ICFRNet在实时分割方面实现了更高的准确率，同时保持竞争的效率。
引用
@article{arxiv.2408.13771,
title = {ICFRNet: Image Complexity Prior Guided Feature Refinement for Real-time Semantic Segmentation},
author = {Xin Zhang and Teodor Boyadzhiev and Jinglei Shi and Jufeng Yang},
journal= {arXiv preprint arXiv:2408.13771},
year = {2024}
}