用于改进语义分割的逐像素反馈
机器学习
2017-12-12 v1 计算机视觉与模式识别
摘要
语义分割是为图像中每个像素分配标签的任务。近年来，深度卷积神经网络（DCNN）推动了多项认知相关任务的进展。尽管 DCNN 带来了前所未有的视觉识别性能，其透明性却很低。为理解基于 DCNN 的模型在语义分割任务上的工作方式，我们尝试分析语义分割中的 DCNN 模型。我们试图找出全局图像信息对像素标注的重要性。基于在判别区域上的实验以及注视点建模，我们提出一组用于微调基于 DCNN 模型的新训练损失函数。所提出的训练机制在 PASCAL VOC 2012 数据集上显示了 DeepLab Large FOV（VGG-16）分割模型性能的提升。然而，仍需进一步测试以确切评估所提损失函数跨模型和数据集的益处。本文提交以满足应用数学综合理学硕士部分学位要求。更新：进一步实验显示益处极小。代码可在此获取（https://github.com/BardOfCodes/Seg-Unravel）。
引用
@article{arxiv.1712.02861,
title = {Per-Pixel Feedback for improving Semantic Segmentation},
author = {Aditya Ganeshan},
journal= {arXiv preprint arXiv:1712.02861},
year = {2017}
}
备注
33 pages,18 figures,3 tables