PointFlow：通过点在空中图像分割中流动语义
计算机视觉与模式识别
2021-03-12 v1
摘要
航空图像分割是一类特定的语义分割问题，具有一般语义分割所不具备的几个挑战性特征。存在两个关键问题：一是极度前景-背景不平衡分布，二是多个小物体伴随复杂背景。此类问题使得近期密集亲和上下文建模因过度引入背景上下文，甚至比基线表现更差。为应对这些问题，我们基于特征金字塔网络(FPN)框架提出一种逐点亲和传播模块，称为 PointFlow。与密集亲和学习不同，我们在所选相邻特征间的点上生成稀疏亲和图，在保持效率的同时减少了背景引入的噪声。特别地，我们设计了一个双点匹配器，分别从显著区域和物体边界选取点。在三个不同航空分割数据集上的实验结果表明，所提方法比最先进的通用语义分割方法更有效且更高效。尤其，我们的方法在三个航空基准上取得了最佳的速度与精度权衡。在三个通用语义分割数据集上的进一步实验证明了方法的通用性。代码将发布于 (https: //github.com/lxtGH/PFSegNets)。
引用
@article{arxiv.2103.06564,
title = {PointFlow: Flowing Semantics Through Points for Aerial Image Segmentation},
author = {Xiangtai Li and Hao He and Xia Li and Duo Li and Guangliang Cheng and Jianping Shi and Lubin Weng and Yunhai Tong and Zhouchen Lin},
journal= {arXiv preprint arXiv:2103.06564},
year = {2021}
}
备注
accepted by CVPR2021