Mar, 2023

深度语义分割的三重审视：注重效率、时间性和深度感知的设计

PDF
TL;DR本文针对自主行驶场景下的语义分割问题进行了调研，从模型开发、RGB-D 数据集集成、时域信息模型三个方面讨论了目前最相关和最新的深度学习方法，旨在为读者提供关于这一激动人心和具有挑战性的研究领域的最新进展。
semantic segmentationdeep learningautonomous drivingrgb-d data integrationtemporal-aware models
发现论文，激发创造
  • 应用于语义分割的深度学习技术综述

    该论文综述了应用于各种应用领域的基于深度学习技术的图像语义分割方法，描述了该领域的术语和必要的背景概念，并评估了现有方法的贡献和意义，并给出了相应的定量结果和讨论。

    Apr, 2017

  • 实时语义分割：遥感中的简要调查与比较研究

    远程感知影像的实时语义分割是一个具有挑战性的任务，需要在效果和效率之间进行权衡。本论文总结了设计高效深度神经网络的基本压缩方法，并对远程感知影像的实时语义分割的最新发展进行了简要而全面的调查。实验结果表明，现有的大多数高效深度神经网络都具有良好的分割质量，但它们存在推理速度低（即高延迟率）的问题，可能限制了它们在实时应用中的部署能力。我们对远程感知影像实时语义分割的当前趋势和未来研究方向提供了一些见解。

    Sep, 2023

  • 关于视频分割的深度学习技术调查

    该论文综述了在视频分割中使用的深度学习算法，其中包括了对象分割和语义分割，同时提供了这两种方法和数据集的详细概述，以及在几个知名数据集上的性能评估和未来研究的机会。

    Jul, 2021

  • 自动驾驶深度语义分割：分类、路线图和挑战

    本文旨在从自动驾驶的角度探索语义分割问题，首先进行了一般性的分类调查，然后讨论了其在自动驾驶中的应用。其次，列出了将其部署到需要高精度和鲁棒性的安全系统中的挑战，探讨了替代使用独立语义分割模块的不同方法。最后，基于 CamVid 数据集对不同的语义分割架构进行了实证评估。

    Jul, 2017

  • 基于多模态注意力融合的 RGB - 深度图像语义分割模型

    本文提出了一种有效的编码器 - 解码器模型和基于注意力的融合模块，以集成 RGB-Depth 图像的特征，从而提高语义分割的精度和计算效率。实验结果表明，该模型在计算成本和模型大小方面大大超越了现有的最先进模型，并且在准确性方面具有良好的性能。

    Dec, 2019

  • RTSeg：实时语义分割比较研究

    本文提出了一个实时语义分割基准测试框架，包括特征提取和解码方法的分离设计，采用不同的网络架构和分割方法，在城市场景的 Cityscapes 数据集上进行了实验，并展示了与 SegNet 相比可实现 143 倍 GFLOPS 减少的优势。

    Mar, 2018

  • 基于深度学习的三维分割：一份调查报告

    综述了近期基于深度学习的三维物体分割，涵盖了 150 多篇文章，总结了最常用的算法流程、讨论了它们的优缺点，并分析了这些分割方法的竞争结果，最后提出了未来的研究方向。

    Mar, 2021

  • 基于深度学习的三维实例与语义分割：一份综述

    该研究主要讨论了基于深度学习的三维分割在点云数据处理中的应用，并评估了不同分割算法对不同数据集的竞争力以及最常使用的处理流程、其优势、限制、未来研究方向等。

    Jun, 2024

  • 改进语义分割的在线性能预测

    本文介绍了针对语义分割深度神经网络（DNN）在在线操作时的性能观测和改进，包括利用多任务训练、共享编码器 / 解码器、时间统计聚合方法等，以提高性能预测准确性。

    Apr, 2021

  • 基于抽象模型的语义分割算法

    本研究提出了一种基于抽象模型的语义分割框架，分析了不同方法中的四个抽象块在实现语义分割中的重要性，旨在提高语义分割的准确性和效率。

    Dec, 2019