无缝场景分割
计算机视觉与模式识别
2019-05-06 v1
摘要
在这项工作中，我们引入了一种基于 CNN 的全新架构，该架构可以端到端训练以提供无缝的场景分割结果。我们的目标是通过全景输出格式预测一致的语义分割和检测结果，超越简单组合独立训练的分割和检测模型。所提出的架构利用了一种全新的分割头，该分割头将 Feature Pyramid Network 生成的多尺度特征与轻量级 DeepLab 式模块传递的上下文信息无缝集成。作为额外贡献，我们回顾了全景度量，并提出了一种替代方案，以克服其在评估非实例类别时的局限性。我们提出的网络架构在三个具有挑战性的街景数据集（即 Cityscapes、Indian Driving Dataset 和 Mapillary Vistas）上取得了 SOTA 结果。
引用
@article{arxiv.1905.01220,
title = {Seamless Scene Segmentation},
author = {Lorenzo Porzi and Samuel Rota Bulò and Aleksander Colovic and Peter Kontschieder},
journal= {arXiv preprint arXiv:1905.01220},
year = {2019}
}
备注
extended version of the accepted CVPR 2019 paper