经典分割算法-ExFuse

旷世科技 ECCV 2018 发表

一 摘要

• 背景介绍：现代语义分割框架通常使用特征融合的方式提升性能，但是由于高级特征和低级特征之间存在差距，直接融合的效果并不是很好
• 文章思想：在低层特征中引入语义信息，在高层特征中引入细节信息会使后续融合更有序
• 文章亮点：提出了ExFuse 用来弥补高低层特征之间的差距

二 引言&相关工作

1. 一般而言，低级特征和高级特征相辅相成。假定存在一个极端实栗，“纯”低级特征只编码低级概念，比如点、线、或者边缘。直观将，高级特征与这些“纯”低级特征的融合意义不大，因为后者噪音太大，无法提取高分辨的语义信息。
2. 相反，如果低级特征包含更多的语义信息，比如，编码相对明确的语义框再融合会简单不少，良好的分割结果可通过对其高级特征图和低级特征中的语义框而获得
3. 相似的，“纯”高级特征的空间信息也很少，不能充分利用低级特征；但是，通过嵌入额外的高分辨率特征，高级特征从而有机会通过对奇最近的低级语义框来实现自我优化。
   

三 算法架构

以ResNet50或ResNeXt101为主网络，延续GCN思想，另外加入ss模块进行深度语义监督，SEB模块进行特征互补融合，DAP模块优化最终结果。