寫在前面:有些地方翻譯的可能不是很好,歡迎在下面留言指正。也歡迎各位在語義分割學習道路上互相交流。
1. Semantic Segmentation with Boundary Neural Fields
摘要:
語義分割的最新技術目前由完全卷積網路(FCN)表示。但是,FCN使用大的感知區域和許多池化層,這兩種技術都會導致深層中的模糊和低空間解析度。因此,FCN傾向於產生在對象邊界周圍定位不良的分割。先前的工作已經嘗試在後處理步驟中解決該問題,例如在FCN預測之上使用基於顏色的CRF。但是,這些方法需要額外的參數和低級特徵,這些特徵難以調整並集成到原始網路架構中。此外,大多數CRF使用基於顏色的像素親和力,這種親和力不太適合語義分割並導致空間不相交的預測。
為了克服這些問題,我們引入了邊界神經場(BNF),這是一種將FCN預測與邊界線索相結合的全局能量模型。邊界信息用於增強語義分割的一致性並改善對象定位。具體來說,我們首先表明語義FCN的卷積濾波器為邊界檢測提供了良好的特徵。然後,我們使用預測的邊界來定義能量中的成對電位。最後,我們表明我們的能量將語義分割分解為多個二元問題,可以放寬這些問題以進行有效的全局優化。我們報告了大量實驗,證明我們的全球邊界能量產量最小化的結果優於先前的全局化方法,無論是在數量上還是在質量上。