上下文感知语义分割分类器的学习

AAAIMar, 2023

上下文感知语义分割分类器的学习

Learning Context-aware Classifier for Semantic Segmentation

Zhuotao Tian, Jiequan Cui, Li Jiang, Xiaojuan Qi, Xin Lai...

TL;DR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.

Abstract

semantic segmentation is still a challenging task for parsing diverse contexts in different scenes, thus the fixed classifier might not be able to well address varying feature distributions during testing. Different from the mainstream literature where the efficacy of strong backbones

semantic segmentation context-aware classifier data-conditioned segmentation models performance gain

发现论文，激发创造

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

学习预测上下文自适应卷积用于语义分割

本文提出了一种上下文自适应卷积神经网络 (CaC-Net)，用于语义特征映射的空间变化特征加权。实验证明，CaC-Net 在语义分割任务中的性能优于其他方法。

Apr, 2020

猎取属性：弱监督语义分割的上下文原型感知学习

通过引入原型学习理论，利用原型意识来捕捉实例的多样化和细粒度特征属性，以减轻知识偏差并更好地捕捉语义对象区域的空间覆盖，提出了一种上下文原型感知学习策略（CPAL），并实验证明了其在弱监督语义分割方面的显著改进和达到最先进水平的性能。

Mar, 2024

具有方向感知一致性的半监督语义分割

本研究提出了一种半监督语义分割方法，通过维护不同场景下相同特征的一致性，设计了方向反转损失函数并使用了两种样本筛选策略，该方法在图像级注释下有效地提高了半监督语义分割的性能。

Jun, 2021

神经主题分割中上下文建模的改进

本文提出了一个基于层级注意力双向 LSTM 网络的主题分割器，通过添加相干性相关的辅助任务和受限制自注意力来更好地建模上下文，从而超过了 SOTA 方法，并在领域转移设置中证明了其鲁棒性和在多语言场景中的有效性。

Oct, 2020

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

动态上下文对应网络（DCN）用于语义对齐

该论文提出了一种名为 DCCNet 的动态上下文对应网络，通过引入注意力机制，整合了多种语义线索，对计算机视觉中语义对应问题进行了改进，并在多个数据集上验证了该方法的有效性。

Sep, 2019

语义分割中的上下文感知域自适应

本文提出了一种基于交叉关注机制的无监督域自适应方法，用于在语义分割中将一个域中的知识转移到另一个域中，通过对自注意力机制的改进，能够更好地适应上下文依赖性和转移可操作的上下文信息，优于现有的方法。

Mar, 2020

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

利用图像以外的语境信息进行语义分割

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。

Aug, 2021