用于语义分割的金字塔注意力网络
计算机视觉与模式识别
2018-11-27 v3
摘要
本文提出了一种金字塔注意力网络(PAN)，以利用全局上下文信息在语义分割中的影响。与大多数现有工作不同，我们将注意力机制与空间金字塔相结合，以提取用于像素标注的精确密集特征，而非采用复杂的空洞卷积和人工设计的解码器网络。具体而言，我们引入了特征金字塔注意力模块，在高级输出上执行空间金字塔注意力结构并结合全局池化以学习更好的特征表示；同时在每个解码器层引入全局注意力上采样模块，以提供全局上下文作为低级特征的指导，从而选择类别定位细节。所提方法在PASCAL VOC 2012和Cityscapes基准测试上取得了state-of-the-art的性能，在未使用COCO数据集进行训练的情况下，在PASCAL VOC 2012上创下了84.0%的mIoU精度新纪录。
引用
@article{arxiv.1805.10180,
title = {Pyramid Attention Network for Semantic Segmentation},
author = {Hanchao Li and Pengfei Xiong and Jie An and Lingxue Wang},
journal= {arXiv preprint arXiv:1805.10180},
year = {2018}
}