InverseForm：一种用于结构化边界感知分割的损失函数
计算机视觉与模式识别
2021-04-09 v2 机器学习
摘要
我们提出了一种用于语义分割的新型边界感知损失项，利用逆变换网络高效学习估计边界与目标边界之间参数化变换的程度。这一可插拔损失项补充了交叉熵损失在捕捉边界变换方面的不足，并能在不增加主干模型尺寸和计算复杂度的前提下，实现一致且显著的分割性能提升。我们在三个室内外分割基准（包括 Cityscapes、NYU-Depth-v2 和 PASCAL）上分析了该损失函数的定量与定性效果，将其集成到多个主干网络在单任务和多任务设置下的训练阶段。我们的大量实验表明，所提方法持续优于基线，甚至在这两个数据集上刷新了最优性能（SOTA）。
引用
@article{arxiv.2104.02745,
title = {InverseForm: A Loss Function for Structured Boundary-Aware Segmentation},
author = {Shubhankar Borse and Ying Wang and Yizhe Zhang and Fatih Porikli},
journal= {arXiv preprint arXiv:2104.02745},
year = {2021}
}
备注
Accepted to CVPR 2021 as an oral presentation