论文:Pyramid Scene Parsing Network
论文链接:https://arxiv.org/abs/1612.01105
Pyramid Scene Parsing Network(PSPNet)是CVPR2017上关于场景解析的文章,拿到了2016年ImageNet比赛中scene parsing任务的冠军,当然也常用来做语义分割。这篇文章出发点是在语义分割算法中引入更多的上下文信息(context information), 这样能够避免许多误分割,这些误分割可以参考Figure2,PSPNet在FCN算法的基础上引入更多上下文信息是通过全局均值池化操作(global average pooling)和特征融合实现的,因此特征呈金字塔结构,这也是论文名叫pyramid的原因。PSPNet算法是目前应用比较广泛的语义分割算法之一,该算法在PASCAL VOC2012测试集上的mIOU是82.6%。
Figure2是FCN算法的误分割示例和PSPNet的分割结果对比,因为PSPNet是在FCN的基础上做改进,因此这组图片是对比二者的分割效果,从而引出优化点的设计。第一行中FCN算法误将船分割成车,显然一辆车在水上的概率是很小的,这种是属于明显不匹配的误分割。第二行中FCN算法误将摩天大厦分割成建筑物,摩天大厦和建筑物这两个类别本身是比较接近的,这种是属于类别相近的误分割,这部分个人认为是和数据集相关的。第三行中FCN算法误将枕头分割成床,枕头本身区域较小,而且纹理和床较为接近,这种是属于难以觉察的误分割。作者认为这些误分割都可以通过引入更