用于语义分割的学习反卷积网络
计算机视觉与模式识别
2015-05-19 v1
摘要
我们提出一种通过学习了反卷积网络的新颖语义分割算法。我们在采用自 VGG 16-layer net 的卷积层之上学习该网络。反卷积网络由反卷积和反池化层组成，其识别逐像素类别标签并预测分割掩码。我们将训练好的网络应用于输入图像中的每个 proposal，并以简单方式组合所有 proposal 的结果来构建最终的语义分割图。所提算法通过整合深度反卷积网络与 proposal 级预测，缓解了基于全卷积网络的现有方法的局限性；我们的分割方法通常能识别精细结构并自然处理多尺度物体。我们的网络在 PASCAL VOC 2012 数据集上展现出卓越性能，并且通过与全卷积网络集成，我们在无外部数据训练的方法中取得了最佳准确率（72.5%）。
引用
@article{arxiv.1505.04366,
title = {Learning Deconvolution Network for Semantic Segmentation},
author = {Hyeonwoo Noh and Seunghoon Hong and Bohyung Han},
journal= {arXiv preprint arXiv:1505.04366},
year = {2015}
}