Abstract
暂时还放在arxiv上,没有出版.中科院自动化所模式匹配国重的文章.
在本文看来,语义分割存在的主要问题是分辨率的降低导致物体细节和小物体损失,现在的很多方法都是致力于如何更好提高分辨率.本文于是提出了Stackecd Deconvolutional Network(SDN) Module来使用逐一堆叠的结构来集成上下文信息,更好地回复局部信息。
Introduction
Motivataion
正如上文所说,主要是分类网络中的下采样是为了找到图片形变不变形,但是同时导致了分割中的物体细节和小物体损失.
现在已经有许多方法在解决这个问题,比如dilated convolution, multi-scale or global feature maps, upsampling or deconvolution等, 本文提出SDN解决这个问题.
Framework
使用DenseNet-161作为第一个unit的based-model.
网络架构主要由三部分组成:
- SDN unit
- intra-unit and inter-unit
intra-unit是相邻SDN unit之间的连接单元,inter-unit是第一个unit中的low-level representation传输到hight-level的连接单元. - hierarchical supervision
为了更好地优化,使用hierarchical supervision训练.
Experiment
方法简单粗暴,效果也不错
在上个数据集上达到了SOTA.
Others
没有开元代码