前景分割神经网络模型的性能分析
计算机视觉与模式识别
2021-05-27 v1
摘要
近年来对分割的兴趣不断增长,其被应用于广泛领域,如欺诈检测、公共卫生中的异常检测和入侵检测。我们给出 FgSegNet_v2 的消融研究,分析其三个阶段:(i) 编码器,(ii) 特征池化模块和 (iii) 解码器。本研究的结果是对上述方法的一种变体提议,其超越了当前最优(SOTA)结果。测试使用了三个数据集:CDNet2014、SBI2015 和 CityScapes。在 CDNet2014 中,我们相比 SOTA 取得了整体改进,主要在 LowFrameRate 子集上。所提方法颇具前景,因为其在诸如不同光照条件等差异很大的条件下,能产生与 SOTA(SBI2015 和 Cityscapes 数据集)相当的结果。
引用
@article{arxiv.2105.12311,
title = {Performance Analysis of a Foreground Segmentation Neural Network Model},
author = {Joel Tomás Morais and António Ramires Fernandes and André Leite Ferreira and Bruno Faria},
journal= {arXiv preprint arXiv:2105.12311},
year = {2021}
}
备注
10 pages, 5 figures