使用像素级对抗损失的目标分割
计算机视觉与模式识别
2019-09-24 v1 图像与视频处理
摘要
近期基于深度学习的方法在目标分割任务上取得了显著成功。然而，仍有进一步改进的空间。受生成对抗网络启发，我们提出了一种通用的端到端对抗方法，该方法可与多种现有语义分割网络结合以提升其分割性能。我们方法的关键要素是用高分辨率像素级损失替代常用的二值对抗损失。此外，我们以随机权重平均方式训练生成器，这进一步增强了预测输出标签图，从而取得最先进的结果。我们表明，与基线模型相比，这种像素级对抗训练与权重平均的组合带来了显著且一致的分割性能提升。
引用
@article{arxiv.1909.10341,
title = {Object Segmentation using Pixel-wise Adversarial Loss},
author = {Ricard Durall and Franz-Josef Pfreundt and Ullrich Köthe and Janis Keuper},
journal= {arXiv preprint arXiv:1909.10341},
year = {2019}
}