MSP：通过多尺度超像素优化边界分割
计算机视觉与模式识别
2021-12-06 v1
摘要
本文提出一种简单而有效的消息传递方法，以提升语义分割结果的边界质量。受超像素块所生成的锐利边缘启发，我们采用超像素来引导特征图内的信息传递。同时，块的锐利边界也限制了消息传递范围。具体而言，我们对超像素块在特征图中所覆盖的特征取平均，并将结果加回每个特征向量。进一步，为获得更锐利的边缘与更远的空间依赖，我们通过级联不同尺度的超像素块开发了多尺度超像素模块（MSP）。我们的方法可作为即插即用模块，无需引入新参数即可轻松插入任何分割网络。我们在三个强基线（即 PSPNet、DeeplabV3 和 DeepLabV3+）以及四个具挑战性的场景解析数据集（包括 ADE20K、Cityscapes、PASCAL VOC 和 PASCAL Context）上进行了充分实验。实验结果验证了其有效性与泛化能力。
引用
@article{arxiv.2112.01746,
title = {MSP : Refine Boundary Segmentation via Multiscale Superpixel},
author = {Jie Zhu and Huabin Huang and Banghuai Li and Yong Liu and Leye Wang},
journal= {arXiv preprint arXiv:2112.01746},
year = {2021}
}
备注
under review