用于语义分割的拉普拉斯金字塔重建与精化
计算机视觉与模式识别
2016-08-02 v2
摘要
CNN架构具有极佳的识别性能，但依赖空间池化，难以适应需要密集的像素级标注的任务。本文做出两点贡献：（1）我们证明，尽管卷积特征表的表观空间分辨率较低，但高维特征表示包含显著的亚像素定位信息。（2）我们描述了一种基于拉普拉斯金字塔的多分辨率重建架构，其利用来自更高分辨率特征图的跳跃连接与乘法门控，从低分辨率图逐步精化重建出的分割边界。该方法在PASCAL VOC与Cityscapes分割基准上取得了最先进的语义分割结果，而无需求助于更复杂的随机场推断或实例检测驱动的架构。
引用
@article{arxiv.1605.02264,
title = {Laplacian Pyramid Reconstruction and Refinement for Semantic Segmentation},
author = {Golnaz Ghiasi and Charless C. Fowlkes},
journal= {arXiv preprint arXiv:1605.02264},
year = {2016}
}