- 博客(5)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 (ICIP2019)图像语义分割(24) ACNet-使用注意力网络的RGBD图像语义分割方法
论文提出了一种全新的方法，基于时下流行的注意力机制，用于室内场景下的RGBD图像语义分割——通过利用图像深度信息，获得更好的语义分割效果，在包含40个类别的复杂室内场景通用数据集NYUDv2上取得了SOTA效果，mIoU达到了48.3%，论文主要的贡献在于一个注意力辅助模块和三平行分支的网络架构。
2019-09-24 19:04:18
6477
4
原创 (ICIP2019)图像语义分割(23) LEDNet-用于实时语义分割的轻量级编解码网络
论文提出用于实时语义分割的轻量级网络分割LEDNet，采用非对称编解码结构，编码模块采用带有通道分离和混洗的残差层，解码模块设计了APN模块减少计算开支，整个网络可以端到端训练。实验结果表明LEDNet在CityScapes上缺德了最好的速度与精度的权衡。
2019-09-10 19:24:47
2698
原创 (CVPR2019)图像语义分割(22) FickleNet-使用随机推理的用于弱监督和半监督的图像语义分割
论文提出FickleNet，探索深度卷积神经网络特征图不同位置的组合，学习神经网络各隐藏单元的一致性关系以识别目标的显著部分同时获得精准的边界以及其他部分。FickleNet通过Dropout层实现卷积神经网络隐藏层各单元的随机结合，为单幅图像上产生多个位置图，得到多个形状不同的区域，从而更快地描绘出目标的轮廓，FickleNet可以视为不需要多个扩张率就可以匹配不同形状和尺寸目标的扩展卷积的推广，只需在任一语义分割模型上添加一简单层，就可以在Pascal VOC 2012上的弱监督和半监督方法中取得较好的
2019-09-09 16:07:02
2455
原创 (CVPR2019)视频-图像语义分割(21) 联合传播数据增广+标签松弛提升边界精度=语义分割效果提升
该论文提出了一种基于视频帧预测的方法合成训练样本来对训练数据集进行增广以获得精度更高的语义分割网络。具体地，论文利用视频帧预测模型的能力同时获得更多的图像和标注，并且使用联合传播策略来消除合成样本中的误差，另外还设计了新颖的边界标签松弛技术使得训练过程对于合成样本数据和注释的偏差更加鲁棒。
2019-09-08 19:44:30
3117
4
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人