用于语义分割的判别特征网络学习
计算机视觉与模式识别
2018-04-26 v1
摘要
大多数现有的语义分割方法仍面临两方面的挑战：类内不一致和类间不区分。为解决这两个问题，我们提出一种判别特征网络(DFN)，其包含两个子网络：平滑网络和边界网络。具体而言，为处理类内不一致问题，我们专门设计了带有通道注意力块和全局平均池化的平滑网络以选择更具判别性的特征。此外，我们提出边界网络，通过深度语义边界监督使边界的双边特征可区分。基于我们提出的DFN，我们在PASCAL VOC 2012上取得了86.2%平均IOU的SOTA性能，在Cityscapes数据集上取得了80.3%平均IOU的SOTA性能。
引用
@article{arxiv.1804.09337,
title = {Learning a Discriminative Feature Network for Semantic Segmentation},
author = {Changqian Yu and Jingbo Wang and Chao Peng and Changxin Gao and Gang Yu and Nong Sang},
journal= {arXiv preprint arXiv:1804.09337},
year = {2018}
}
备注
Accepted to CVPR 2018. 10 pages, 9 figures