使用双边 Inception 模块的超像素卷积网络
计算机视觉与模式识别
2016-08-09 v5
摘要
在本文中，我们提出了一种用于语义图像分割的 CNN 架构。我们引入了一种新的“双边 inception”模块，该模块可插入现有的 CNN 架构中，并在图像中的超像素之间以多个特征尺度执行双边滤波。双边滤波的特征空间及该模块的其他参数使用标准反向传播技术进行端到端学习。该双边 inception 模块解决了通用 CNN 分割架构中出现的两个问题。首先，该模块在（超）像素之间传播信息的同时尊重图像边缘，从而利用问题的结构化信息来获得更好的结果。其次，该层从 CNN 的低分辨率解中恢复出全分辨率分割结果。在实验中，我们通过将我们的 inception 模块插入到最后一个 CNN（1x1 卷积）层之间，修改了几种现有的 CNN 架构。在三个不同数据集上的实证结果表明，与基线网络相比，以及与 CRFs 等几种密集像素预测技术相比，均有可靠的提升，同时在时间上具有竞争力。
引用
@article{arxiv.1511.06739,
title = {Superpixel Convolutional Networks using Bilateral Inceptions},
author = {Raghudeep Gadde and Varun Jampani and Martin Kiefel and Daniel Kappler and Peter V. Gehler},
journal= {arXiv preprint arXiv:1511.06739},
year = {2016}
}
备注
European Conference on Computer Vision (ECCV), 2016