图像分割
本专栏主要介绍最新的语义分割及实例分割算法,开源算法也会进行部分代码的解析,主要涉及自动驾驶和医学图像领域。
猪猪的珠珠
这个作者很懒,什么都没留下…
展开
-
【语义分割论文】Leveraging Semi-Supervised Learning in Video Sequences for Urban Scene Segmentation
文章目录摘要引言及相关方法本文主要方法用于视频序列中城市场景分割的半监督学习论文团队:谷歌摘要大型判别模型中的监督学习是现代计算机视觉的主流方法。这种方法需要大规模的人类标注数据,才能实现SOTA的效果。这也意味着监督学习的方法也会受限于人类标注的数据。这种局限性在图像分割任务中特别明显,人工注释的开销特别大,而且可能存在大量未标记的数据。在本文中,作者提出想知道是否可以在未标记的视频序列中利用半监督学习来提高城市场景分割的性能,同时处理语义、实例和全景分割。这项工作的目标是避免构建专门用于标签学原创 2020-05-28 19:25:55 · 834 阅读 · 0 评论 -
【语义分割】分层多尺度注意力 Hierarchical multi-scale attention for semantic segmentation
文章目录1. 摘要2. 引言3.本文相关方法3.1 Multi-scale context methods3.2 Relational context methods3.3 Multi-scale inference3.4 Auto-labelling4.本文方法5.实验6.结论论文链接:https://arxiv.org/pdf/2005.10821.pdf最强语义分割网络来了,在Cityscapes test上可达85.1% mIoU,在Mapillary val上高达61.1% mIoU,SOT原创 2020-05-23 13:40:03 · 11312 阅读 · 1 评论 -
【语义分割】语义分割任务中最常用的评价指标
文章目录1. 语义分割常用评价指标1.1 混淆矩阵1.2 PA像素准确率1.3 mIoU2. 代码实现1. 语义分割常用评价指标语义分割目前在自动驾驶场景解析、医学图像分割等多个领域被广泛应用,简言之,是对每个像素进行分类。目前语义分割中最常用的评价指标是平均交并比 (mean Inetersection over Union, 简称mIoU)(这个最常用) 和 像素准确率 (Pixel accuracy, 简称PA),在主流的期刊、会议论文中被作为方法验证的主要评价指标。在介绍这两个评价指标之前,原创 2020-05-19 12:28:13 · 5373 阅读 · 0 评论 -
2020语义分割网络语义流:Semantic Flow for Fast and Accurate Scene Parsing
文章目录摘要背景及相关方法本文方法的具体实现实验部分总结论文地址:代码地址:摘要本文提出一种能够快速且准确的进行场景解析的有效方法。通常的方法是通过得到高分辨率的且具有丰富语义特征的特征图。比如利用空洞卷积和特征金字塔。但这些方法仍然需要较多的计算量,不够有效。从利用光流对相邻视频帧进行运动对齐的方法受到启发,本文提出一种FAW(Flow Alignment Module)的方法,来学习相邻尺度特征图之间的语义流。和FPN结构融合在一起,实现了快速又精确的结果,在 80.4% mIoU 在 Cit原创 2020-05-18 18:37:51 · 5680 阅读 · 4 评论 -
医学图像分割新网络:Boundary-aware Context Neural Network for Medical Image Segmentation
文章目录摘要一、引言及相关方法二、本文主要方法三、实验四、结论作者团队:中国科学院&中国科学技术大学摘要BA_Net:医学图像语义分割网络:在多个数据集上,表现SOTA!医学图像分割对于进一步的医学图像分析和疾病诊断提供了一个可信赖的基础。近年来,随着卷积神经网络的发展,医学图像分割取得了很大的进展,但是,基于CNN的方法在目标的边界处并没有达到理想的分割 效果。这是由于上下文信息的局限以及经过卷积和池化之后的特征图不具有充足的判别力所造成的的。医疗图像的特点是具有很高的类内差异性,以及类间原创 2020-05-10 23:30:15 · 4600 阅读 · 8 评论