论文阅读-《Semantic Segmentation with Reverse Attention》

最新推荐文章于 2024-08-16 07:35:51 发布

yj_isee

最新推荐文章于 2024-08-16 07:35:51 发布

阅读量3.2k

点赞数 3

分类专栏： Computer Vision 计算机视觉论文研读

本文链接：https://blog.csdn.net/yaoqi_isee/article/details/75734860

版权

本文详细介绍了《Semantic Segmentation with Reverse Attention》这篇论文，该论文提出了一种名为反向注意力网络（RAN）的新方法，旨在提升语义分割网络在混淆区域的预测能力。通过分析FCN的预测过程，作者发现针对混淆区域的反向学习过程可以提高分类准确性。RAN包含原始分支、反向分支和反向注意力分支，其中反向注意力分支通过注意力机制将反向预测结果引入到混淆区域，从而改进预测效果。实验结果显示，RAN在多个数据集上提高了语义分割的连续性和均匀性。

摘要由CSDN通过智能技术生成

BMVC 2017 oral
code: https://drive.google.com/drive/folders/0By2w_A-aM8Rzbllnc3JCQjhHYnM

1.Motivation

作者这篇文章的主要目的是为了提高semantic segmentation的网络对于confusion area的预测能力。所谓的confusion area，指的是最终预测的score map上熵值比较大的区域，在这些区域，网络对某些类别的预测概率都差不多大，比如对于图中猫和狗重合部分的区域就容易出现confusion

作者对FCN的预测过程进行了分析来验证自己的观点

下面这行表示FCN的，包括前面的提取特征的网络以及后面用来预测的网络。右下角表示最终预测的结果，圆形区域内部就是猫狗重合部分的区域，也就是confusion area。