利用平方根亲和度回归语义分割中的标签
计算机视觉与模式识别
2021-03-10 v1
摘要
语义分割是计算机视觉中一项基础但非平凡的任务。许多先前的工作聚焦于利用亲和度模式来增强分割网络。这些研究大多将亲和度矩阵作为一种特征融合权重，作为嵌入网络中的模块（如注意力模型和非局部模型）的一部分。在本文中，我们将亲和度矩阵与标签相关联，以有监督的方式利用亲和度。具体而言，我们利用标签生成多尺度标签亲和度矩阵作为结构监督，并使用平方根核在输出层上计算非局部亲和度矩阵。基于这两种亲和度，我们定义了一种称为亲和度回归损失（AR loss）的新损失，它可作为提供成对相似性惩罚的辅助损失。我们的模型易于训练，且在运行时推理之外几乎不增加计算负担。在 NYUv2 数据集和 Cityscapes 数据集上的大量实验表明，我们提出的方法足以提升语义分割网络。
引用
@article{arxiv.2103.04990,
title = {Use square root affinity to regress labels in semantic segmentation},
author = {Lumeng Cao and Zhouwang Yang},
journal= {arXiv preprint arXiv:2103.04990},
year = {2021}
}