重新思考卷积语义分割学习
机器学习
2017-10-24 v1 计算机视觉与模式识别
机器学习
摘要
深度卷积语义分割（DCSS）学习在随机参数初始化下无法收敛到最优局部极小值；需要同一领域上的预训练模型才能实现收敛。在这项工作中，我们提出了一种用于 DCSS 的联合协作端到端学习方法。它解决了现有深度语义分割学习的许多缺点；所提出的方法同时学习分割和分类，从而消除了对预训练模型实现学习收敛的基本需求。我们提出了一种改进的基于 Inception 的架构，该架构在编码器信息上采用了部分注意力门控（PAG）。PAG 还有助于实现更快的收敛和更好的分割任务精度。我们将在一个糖尿病视网膜病变分类与分割数据集上展示这种学习的有效性。
引用
@article{arxiv.1710.07991,
title = {Rethinking Convolutional Semantic Segmentation Learning},
author = {Mrinal Haloi},
journal= {arXiv preprint arXiv:1710.07991},
year = {2017}
}