召回整体信息用于语义分割
计算机视觉与模式识别
2016-11-28 v1
摘要
语义分割要求按对象类别对图像像素进行详细标注。从局部图像块中获取的信息对于描述单个对象的精细形状是必要的，但这种信息具有歧义性，可能导致噪声标签。对图像内容的全局推断则能捕捉到存在的一般语义概念。我们主张，对图像概念进行高召回的整体推断能为精细的像素标注提供有价值的信息。我们构建了一个双流神经网络架构，该架构促进信息从整体信息流向局部像素，同时在整体分析和分割分支的低层之间共享共同的图像特征。我们在四个标准语义分割数据集上对所提出的网络进行了实证评估。该网络在 PASCAL-Context 和 NYUDv2 上取得了最先进的性能，在 ADE20K 和 SIFT-Flow 上的消融研究验证了其有效性。
引用
@article{arxiv.1611.08061,
title = {Recalling Holistic Information for Semantic Segmentation},
author = {Hexiang Hu and Zhiwei Deng and Guang-tong Zhou and Fei Sha and Greg Mori},
journal= {arXiv preprint arXiv:1611.08061},
year = {2016}
}