用于语义分割的多感受野网络
计算机视觉与模式识别
2022-09-08 v2
摘要
语义分割是计算机视觉中的关键任务之一，旨在为图像中每个像素分配类别标签。尽管近期取得了显著进展，大多数现有方法仍受两个挑战性问题困扰：1) 图像中物体与素材的尺寸可能极为多样，要求将多尺度特征融入全卷积网络（FCNs）；2) 由于卷积网络固有的弱点，靠近或位于物体/素材边界的像素难以分类。针对第一个问题，我们提出新的多感受野模块（MRFM），显式考虑多尺度特征。针对第二个问题，我们设计了边缘感知损失，可有效区分物体/素材边界。凭借这两项设计，我们的多感受野网络在两个广泛使用的语义分割基准数据集上取得了新的最优（SOTA）结果。具体而言，我们在 Cityscapes 数据集上达到 83.0 的平均交并比（mean IoU），在 Pascal VOC2012 数据集上达到 88.4 的平均交并比。
引用
@article{arxiv.2011.08577,
title = {Multi Receptive Field Network for Semantic Segmentation},
author = {Jianlong Yuan and Zelu Deng and Shu Wang and Zhenbo Luo},
journal= {arXiv preprint arXiv:2011.08577},
year = {2022}
}
备注
Accept by WACV 2020