渐进式语义分割
通过简化网络架构,我们展示了一种直接产生高分辨率分割结果的简化模型,其性能可以与生成低分辨率结果的更复杂系统匹配,并通过底层信息传播技术在不同尺度上提高分割准确性。
Feb, 2024
该研究提出了一种名为 MPRNet 的多阶段架构,使用编码器 - 解码器架构学习上下文信息和高分辨率分支,结合像素自适应设计重新加权本地特征,从而实现复原图像的同时维持空间细节和上下文信息的最佳平衡,该架构在包括图像去雨、去模糊和降噪等多个任务上均表现出较强的性能表现。
Feb, 2021
本文提出了一种基于图像级联网络 (ICNet) 的实时语义分割方法,通过多分辨率分支和级联特征融合单元,以及恰当的标签引导来降低像素级标签推断的计算量,从而实现对挑战性数据集(如 Cityscapes,CamVid 和 COCO-Stuff)的高质量实时分割。
Apr, 2017
该论文阐述了在 GPU 内存限制的情况下,实现高效而有效的超高分辨率无人机图像分割的复杂问题,提出了一种新颖的空间引导式高分辨率查询模块和高效的基于内存的交互方案来改进现有方法中较小、较细和曲线区域的分割效果。
Oct, 2023
本文提出了一种使用多尺度特征融合网络和 BiFPN 来进行实时图像语义分割的方法 ESeg,通过扩展传统的多尺度特征空间来实现,不需要高分辨率和昂贵的空洞卷积。实验证明,ESeg 在多个数据集上的表现比先前的方法更准确,并且实时性能得到提升。
Mar, 2022
提出了一种 ResNet-like 的网络结构,结合多尺度上下文信息和像素级精确度,使得在不需要额外处理步骤和预训练的情况下,可以在 Cityscapes 数据集上实现 71.8% 的交并比得分,以提高自动驾驶系统中的图像分割效果。
Nov, 2016
本文提出了一种基于 CascadePSP 网络的语义分割方法,可准确捕捉高分辨率图像中的物体边缘,对任何分辨率的图像都适用,并可推广至多类别场景分割。
May, 2020
本文研究了高分辨率遥感卫星图像中像素级预测方法的挑战,提出了一种新的级联多任务损失来保留语义分割边界。结果表明,不需要额外的后处理步骤,我们的方法在 Inria 航空图像标注数据集上优于现有技术 8.3%。
Sep, 2017