将深度信息同时融入 CNN 与 CRF 以进行室内语义分割
计算机视觉与模式识别
2018-07-30 v4
摘要
为提高分割性能，本文提出了一种新颖的神经网络架构（称为 DFCN-DCRF），该架构将 RGB-D 全卷积神经网络（DFCN）与深度敏感的全连接条件随机场（DCRF）相结合。首先，设计了一种 DFCN 架构，它将深度信息融合到网络的早期层，并应用空洞卷积进行后期的上下文推理。然后，提出了一种深度敏感的全连接条件随机场（DCRF），并将其与前述 DFCN 相结合以细化初步结果。对比实验表明，与大多数最先进的方法相比，所提出的 DFCN-DCRF 具有最佳性能。
引用
@article{arxiv.1705.07383,
title = {Incorporating Depth into both CNN and CRF for Indoor Semantic Segmentation},
author = {Jindong Jiang and Zhijun Zhang and Yongqian Huang and Lunan Zheng},
journal= {arXiv preprint arXiv:1705.07383},
year = {2018}
}
备注
Accepted by IEEE ICSESS