使用迭代金字塔上下文的联合语义分割与边界检测
计算机视觉与模式识别
2020-04-17 v1
摘要
在本文中，我们提出了一个用于语义分割与边界检测的联合多任务学习框架。该框架的关键组件是迭代金字塔上下文模块（PCM），它耦合两个任务并存储共享的潜在语义以在两项任务间交互。对于语义边界检测，我们提出了新颖的空间梯度融合来抑制非语义边缘。由于语义边界检测是语义分割的对偶任务，我们引入了带边界一致性约束的损失函数，以提升语义分割的边界像素精度。我们大量的实验证明了相较于最先进工作的优越性能，不仅在语义分割上，也在语义边界检测上。特别地，在Cityscapes测试集上取得了81.8%的平均IoU分数，且未使用粗标注数据或任何外部数据用于语义分割。对于语义边界检测，我们在AP上比先前最先进工作提升9.9%，在MF(ODS)上提升6.8%。
引用
@article{arxiv.2004.07684,
title = {Joint Semantic Segmentation and Boundary Detection using Iterative Pyramid Contexts},
author = {Mingmin Zhen and Jinglu Wang and Lei Zhou and Shiwei Li and Tianwei Shen and Jiaxiang Shang and Tian Fang and Quan Long},
journal= {arXiv preprint arXiv:2004.07684},
year = {2020}
}