MCFNet：用于实时语义分割的多尺度协方差特征融合网络
计算机视觉与模式识别
2023-12-13 v1 机器学习
摘要
低层空间细节信息与高层语义抽象信息对于语义分割任务均至关重要。深度网络提取的特征能够获得丰富的语义信息，但同时会丢失大量空间信息。然而，如何有效地恢复空间细节信息并将其与高层语义融合，至今尚未得到很好的解决。在本文中，我们提出了一种基于双边分割网络的新架构，称为多尺度协方差特征融合网络。具体而言，该网络引入了一个新的特征细化模块和一个新的特征融合模块。此外，还提出了一个名为 L-Gate 的门控单元，用于滤除无效信息并融合多尺度特征。我们在 Cityscapes 和 CamVid 数据集上评估了所提出的模型，并将其与 state-of-the-art 方法进行了比较。大量实验表明，我们的方法取得了有竞争力的成果。在 Cityscapes 上，我们以 151.3 FPS 的速度实现了 75.5% 的 mIOU。
引用
@article{arxiv.2312.07207,
title = {MCFNet: Multi-scale Covariance Feature Fusion Network for Real-time Semantic Segmentation},
author = {Xiaojie Fang and Xingguo Song and Xiangyin Meng and Xu Fang and Sheng Jin},
journal= {arXiv preprint arXiv:2312.07207},
year = {2023}
}