MULTI-SCALE CONTEXT AGGREGATION BY DILATED CONVOLUTIONS

摘要

用于语义分割的最先进模型基于最初为图像分类而设计的卷积网络的适应性。 然而，诸如语义分割的密集预测问题在结构上与图像分类不同。 在这项工作中，我们开发了一个新的卷积网络模块，专门用于密集预测。 所提出的模块使用扩散卷积来系统地聚合多尺度上下文信息而不会丢失分辨率。 该架构基于以下事实：扩张的卷积支持感受野的指数扩展而不损失分辨率或覆盖范围。 我们表明，所呈现的上下文模块提高了最先进的语义分割系统的准确性。 此外，我们研究了图像分类网络对密集预测的适应性，并表明简化适应网络可以提高准确性。