用于语义分割的密集多标签网络多层次区域一致性学习
计算机视觉与模式识别
2017-01-26 v1
摘要
语义图像分割是图像理解的基本任务。图像的逐像素语义标注极大受益于考虑局部和全局区域一致性的能力。然而，许多基于全卷积网络的方法没有强加这种一致性，这可能产生噪声和不合理的预测。我们通过提出一个密集多标签网络模块来解决此问题，该模块能够鼓励不同层次上的区域一致性。这个简单但有效的模块可以轻松集成到任何语义分割系统中。通过综合实验，我们表明密集多标签能成功移除不合理标签并消除混淆，从而提升语义分割系统的性能。
引用
@article{arxiv.1701.07122,
title = {Learning Multi-level Region Consistency with Dense Multi-label Networks for Semantic Segmentation},
author = {Tong Shen and Guosheng Lin and Chunhua Shen and Ian Reid},
journal= {arXiv preprint arXiv:1701.07122},
year = {2017}
}