用于语义分割的多视角自构建图卷积网络与自适应类别加权损失
计算机视觉与模式识别
2020-05-19 v1
摘要
我们提出了一种称为多视角自构建图卷积网络（MSCG-Net）的用于语义分割的新架构。基于近期提出的自构建图（SCG）模块——该模块利用可学习的潜变量直接从输入特征自构建底层图，而无需依赖人工构建的先验知识图——我们利用多视角以显式挖掘航拍图像中的旋转不变性。我们进一步开发了自适应类别加权损失以解决类别不平衡问题。我们在 Agriculture-Vision 挑战数据集上展示了所提方法的有效性与灵活性，与相关的纯 CNN 工作相比，我们的模型以更少的参数和更低的计算成本取得了极具竞争力的结果（0.547 mIoU）。代码将发布于：github.com/samleoqh/MSCG-Net
引用
@article{arxiv.2004.10327,
title = {Multi-view Self-Constructing Graph Convolutional Networks with Adaptive Class Weighting Loss for Semantic Segmentation},
author = {Qinghui Liu and Michael Kampffmeyer and Robert Jenssen and Arnt-Børre Salberg},
journal= {arXiv preprint arXiv:2004.10327},
year = {2020}
}
备注
7-page, MSCG-Net, CVPRW-2020