用于语义分割的改进全卷积网络
计算机视觉与模式识别
2016-11-29 v1
摘要
全卷积网络（Fully Convolution Networks, FCN）在包括语义分割在内的密集预测任务中取得了巨大成功。在本文中，我们首先通过理解 FCN 在构建强分割网络时的架构局限性来对其进行讨论。接着，我们提出了改进的全卷积网络。与 FCN 相比，IFCN 引入了一个上下文网络，逐步扩展特征图的感受野。此外，加入了密集跳跃连接，使得上下文网络能够被有效优化。更重要的是，这些密集跳跃连接使 IFCN 能够融合丰富尺度的上下文以做出可靠的预测。实验证明，这些架构修改对提升分割性能具有重要意义。在不采用任何上下文后处理的情况下，IFCN 在 ADE20K（ImageNet 场景解析）、Pascal Context、Pascal VOC 2012 和 SUN-RGBD 分割数据集上显著推进了当前最优水平。
引用
@article{arxiv.1611.08986,
title = {Improving Fully Convolution Network for Semantic Segmentation},
author = {Bing Shuai and Ting Liu and Gang Wang},
journal= {arXiv preprint arXiv:1611.08986},
year = {2016}
}