BiRefNet：高分辨率图像分割的利器

Funny_AI_LAB

已于 2024-08-11 23:38:15 修改

阅读量1.4k

点赞数 26

分类专栏：计算机视觉文章标签：计算机视觉人工智能 segmentfault 阿里云大模型

于 2024-08-11 23:36:41 首次发布

本文链接：https://blog.csdn.net/sexy19910923/article/details/141112144

版权

计算机视觉专栏收录该内容

19 篇文章 2 订阅

订阅专栏

在这里插入图片描述
阿里联合南开等高校及科研机构发布一种名为 BiRefNet 的高分辨率图像分割框架，引入了一种新颖的双边参考框架(BiRefNet),用于高分辨率二分图像分割(DIS)。该框架由两个基本组件组成:定位模块(LM)和提出的双边参考(BiRef)重建模块(RM)。LM 利用全局语义信息辅助目标定位。在 RM 中,利用 BiRef 进行重建过程,其中图像的层次化块作为源参考,梯度图作为目标参考。这些组件协同工作生成最终的预测图。
paper：Bilateral Reference for High-Resolution Dichotomous Image Segmentation
github：https://github.com/ZhengPeng7/BiRefNet
demo：https://www.birefnet.top/segment

核心理念

BiRefNet是一种新颖的双边参考框架，它由两个基本组件构成：定位模块（LM）和重建模块（RM）。通过双边参考（BiRef）技术，该框架能够有效地利用全局语义信息进行目标定位，并在重建过程中利用图像的分层补丁和梯度图进行细节重建。在这里插入图片描述

关键特性

定位模块（LM）：利用全局语义信息辅助目标定位。
重建模块（RM）：在重建过程中，使用BiRef技术，结合源图像和梯度图进行细节重建。
双边参考模块（BiRef：包括具有源图像引导的内部参考和具有梯度监督的外部参考。该模块在重建预测的高分辨率结果方面表现出显著的效果。

定位模块（Localization Module, LM）
功能：利用全局语义信息辅助目标定位。
操作：通过变换器编码器（Transformer Encoder）提取不同阶段的特征，并将这些特征传递到相应的解码器阶段，同时通过全局平均池化层和全连接层进行分类，以获得更好的语义表示。
重建模块（Reconstruction Module, RM）
功能：在重建过程中使用双边参考技术，结合源图像和梯度图进行细节重建。
操作：采用重构块（Reconstruction Block, RB），在每个BiRef块中使用可变形卷积（Deformable Convolution）和分层接收场（Hierarchical Receptive Fields）来提取多尺度的特征。

在这里插入图片描述

双边参考（Bilateral Reference, BiRef）
内在参考（Inward Reference）：使用原始高分辨率图像的补丁与解码器阶段的输出特征结合，为每个阶段提供高分辨率信息。
外在参考（Outward Reference）：利用梯度标签吸引模型关注细节丰富的区域，通过梯度监督生成梯度参考注意力图。

目标函数

结合了二元交叉熵（BCE）损失、交并比（IoU）损失、结构相似性指数（SSIM）损失和交叉熵（CE）损失。在像素、区域、边界和语义级别上提供综合的监督信号。
在高分辨率分割任务中,仅使用像素级监督(BCE损失)通常会导致高分辨率数据中细节结构信息的劣化。受使用混合损失取得优秀结果的启发,将BCE、IoU、SSIM 和 CE 损失结合使用。
在这里插入图片描述
其中,λ1, λ2, λ3 和 λ4 分别设置为 30, 0.5, 10 和 5,以在训练开始时保持所有损失在相同的量级。最终的目标函数包括二元交叉熵(BCE)损失、交并比(IoU)损失、结构相似性指数(SSIM)损失和交叉熵(CE)损失。

训练策略

长训练与多阶段监督：通过长时间的训练和多阶段监督来提高模型在细节分割上的性能。
区域级损失微调：使用区域级损失进行微调，以提高预测结果的二值化质量。
上下文特征融合和图像金字塔输入：这些技术用于改善高分辨率图像的深度模型处理。
其他训练细节：所有图像均调整大小为 1024×1024 用于训练和测试。生成的分割地图经过重新调整大小(即双线性插值),以便与相应的 GT 地图的原始大小进行评估。训练过程中唯一使用的数据增强技术是水平翻转。类别数 C 设置为 219,与 DIS-TR 中的定义一致。

结果

在四个任务上进行了广泛的实验,即高分辨率二分图像分割(DIS)、高分辨率显著物体检测(HRSOD)、隐蔽物体检测(COD)和显著物体检测(SOD)。提出的模型(BiRefNet)
与所有最新的任务特定模型在现有基准数据集上进行了比较。
在这里插入图片描述

结果表明：从两个方面来看,BiRefNet 优于之前的 DIS 方法,即目标物体的位置和物体细节的更精确分割。例如,在 DIS-TE4 和 DIS-TE2的样本中,有邻近的干扰物吸引了其他模型的注意,产生了误报。相反,BiRefNet 消除了干扰物并准确分割了目标。在 DIS-TE3 和 DIS-VD 的样本中,BiRefNet在精确分割细节丰富的区域方面表现出色。与之前的方法相比, BiRefNet 能够清晰地分割细长的形状和曲线边缘。
在这里插入图片描述