用于联合检测与分割的三重监督解码器网络
计算机视觉与模式识别
2018-09-26 v1
摘要
联合目标检测与语义分割可应用于诸多领域，如自动驾驶汽车与无人水面艇。通过简单共享两个任务的深度卷积特征，已朝此目标取得初步且重要的进展。然而，这种简单方案无法充分利用检测与分割互为裨益的事实。为克服该缺陷，我们提出一种称为 TripleNet 的框架，其中对解码器网络的每一层施加包括检测导向监督、类感知分割监督和类无关分割监督的三重监督。类无关分割监督为语义分割和目标检测提供对象性先验知识。除三类监督外，两个轻量模块（即内部连接模块与注意力跳跃层融合）也被嵌入解码器每一层。在所提框架中，检测与分割可充分相互提升。此外，在测试阶段不对各解码层执行类无关与类感知分割。因此，测试阶段不引入额外计算开销。在 VOC2007 和 VOC2012 数据集上的实验结果表明，所提 TripleNet 能在不增加额外计算成本的同时提升检测与分割精度。
引用
@article{arxiv.1809.09299,
title = {Triply Supervised Decoder Networks for Joint Detection and Segmentation},
author = {Jiale Cao and Yanwei Pang and Xuelong Li},
journal= {arXiv preprint arXiv:1809.09299},
year = {2018}
}