基于单跳跃连接的语义分割特征收集研究
计算机视觉与模式识别
2017-10-24 v1 人工智能
摘要
自从深度卷积神经网络的研究变得普遍以来，一个重要发现是，来自卷积网络的特征图可以在进入全连接层之前被提取，并可用作目标检测的显著图。此外，模型可以使用来自每个不同层的特征进行准确的目标检测：来自不同层的特征可以具有不同的属性。随着模型加深，它有许多潜在的跳跃连接和特征图来精心目标检测。尽管我们可以通过跳跃连接使用许多中间层用于语义分割，但每个跳跃连接的特征以及用于此任务的最佳跳跃连接仍不确定。因此，在本研究中，我们详尽地研究了最先进的深度卷积网络中的跳跃连接，并调查了来自每个中间层的特征特征。此外，本研究将建议如何使用最近的深度神经网络模型进行语义分割，因此将成为使用最先进网络模型的后续研究的基石。
引用
@article{arxiv.1710.08192,
title = {Investigating the feature collection for semantic segmentation via single skip connection},
author = {Jonghwa Yim and Kyung-Ah Sohn},
journal= {arXiv preprint arXiv:1710.08192},
year = {2017}
}
备注
(In pressing) Journal of KIISE