ICCVAug, 2021

利用图像以外的语境信息进行语义分割

PDF
TL;DR本文研究语义图像分割中的上下文聚合问题，提出了一种基于特征存储模块和类概率分布学习的像素表示增强方法，利用跨图像的上下文信息进一步提高了性能。
semantic image segmentationcontext aggregationclass probability distributionfeature memory modulerepresentation consistent learning
发现论文，激发创造
  • ISNet: 集成图像级和语义级上下文进行语义分割

    本文提出将图像语义分割中的语境信息分为图片级别和语义级别，分别增强像素表示，在 ADE20K，LIP，COCOStuff 和 Cityscapes 等四个基准测试中实现了最先进的准确性。

    Aug, 2021

  • 基于上下文聚合网络的实时语义分割

    该论文提出了一种上下文聚合网络，通过较低的计算成本实现了准确的图像场景分割，适用于自主系统及实时应用。

    Nov, 2020

  • 探索跨图像像素对比用于语义分割

    提出了一个利用对比学习实现像素级别度量学习的语义分割框架，能够从全局上探索标记像素的结构，并在多个数据集上带来了显著的性能改进。

    Jan, 2021

  • 旋涡池化：在语义分割中改善上下文表示

    通过引入 Vortex Pooling 方法，本文提出了一种有效而高效的语义分割方法，该方法在 PASCAL VOC 2012 中超越了现有的最先进模型 DeepLab v3，并且具有与 DeepLab v3 相似的计算代价。

    Apr, 2018

  • 语义分割的上下文编码

    本文提出了一种 Context Encoding Module 方法，在原有 FCN 框架的基础上加入了全局场景语义信息来优化语义分割结果，在 PASCAL-Context、PASCAL VOC 2012 和 ADE20K 数据集上取得了最新最优的成果，并且通过在 CIFAR-10 数据集上进行对比实验表明该方法可以用来改善相对浅层网络的特征表示效果。

    Mar, 2018

  • 基于对象上下文的语义分割表示的分割变换器

    本文探讨用上下文汇聚策略解决语义分割问题，提出了一种基于特定物体上下文表示的简单而有效的方案，并采用变压器编码器 - 解码器框架进行方案实现。

    Sep, 2019

  • 利用卷积神经网络结合超像素的多层语境执行自然场景标注

    本研究采用基于超像素的语义分割，考虑三种不同级别的邻域上下文，采用最大投票和加权平均等集成方法，利用 Dempster-Shafer 理论分析各类别之间的混淆，并在相同数据集上证明我们的方法优于其他现代方法。

    Mar, 2018

  • 场景分割的上下文先验

    本文研究利用上下文依赖关系解决图像分割问题，提出了一种 Context Prior 神经网络，在特征集成时利用 Affinity Loss 监管不同类别的场景，从而提高了分割结果的准确性。实验证明，该网络在 ADE20K，PASCAL-Context 和 Cityscapes 的数据集中取得了较优的分割效果。

    Apr, 2020

  • 零样本语义分割的上下文感知特征生成

    本文提出了一种上下文感知特征生成方法，命名为 CaGNet，通过引入上下文模块来捕获像素级别的上下文信息，并从语义词嵌入中生成更丰富和上下文感知的特征，从而实现了零样本语义分割任务中的最先进结果。

    Aug, 2020

  • 上下文感知语义分割分类器的学习

    利用数据依赖的上下文感知分类器通过学习附加环境提示，适应不同的潜在分布，从而解决分割不同场景多样化特征分布的困难，进而显著提高分割模型的性能.

    Mar, 2023