Feb, 2024

关于图像分辨率对语义分割影响的研究

PDF
TL;DR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。
high-resolution semantic segmentationcomputational resourcesnetwork architectureinformation propagationnoisy student training
发现论文，激发创造
  • 在医学中使用低分辨率输入进行语义分割的嵌入式部署

    通过利用较低分辨率输入和高分辨率地面真值，本文提出的架构在不增加大量参数的同时，提高了预测质量 5.5%，将每秒帧速率从 25 降低至 20，为轻量级癌症 MRI 图像的语义分割增强了现有的框架。

    Mar, 2024

  • 街景语义分割的全分辨率残差网络

    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

  • 利用超分辨率和深度学习提升建筑物语义分割的准确性：研究不同数据集的空间分辨率影响

    利用遥感和深度学习技术开展建筑物语义分割，对空间分辨率的影响进行研究，结果表明较高的空间分辨率对建筑物分割结果具有显著影响，且 0.3 米左右的成本效益最佳。

    Jul, 2023

  • 基于空间稀疏性的实时语义图像分割

    本文介绍了一种语义分割的方法，通过使用双列网络结构和特定区域的忽略来降低计算成本，并在保证较高质量的前提下实现每秒处理约 15 张高分辨率 Cityscapes 图像的能力，达到了 72.9％的平均交集联合得分。

    Dec, 2017

  • 针对超高分辨率图像分割的降采样学习

    本文提出一种基于学习性下采样模块的图像分割算法来解决低成本语义分割，优化采样密度分布并通过规则项鼓励采样位置聚焦于对象边界，实验证明对图像分辨率高、计算资源限制的三组数据集均具有高效 - 准确性的优势。

    Sep, 2021

  • 使用非常深的全卷积网络进行高性能语义分割

    本文提出了一种基于残差网络的高性能语义图像分割方法，并对不同变体的完全卷积残差网络进行了评估，进一步提出了用低分辨率网络模拟高分辨率网络的方法，引入了在线启动方法以及在一些残差块上应用的传统退化法，取得了在 PASCAL VOC 2012 数据集和 Cityscapes 上最好的平均重叠联合 75 的性能表现。

    Apr, 2016

  • 使用超分辨率技术作为预处理的语义分割

    本文研究将图像超分辨率作为预处理步骤，与语义分割相结合，以提高文档图像二值化的结果和性能。

    Jun, 2023

  • 基于内存限制的超高分辨率无人机影像语义分割

    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

  • 渐进式语义分割

    该文章提出了一个名为 MagNet 的多尺度框架，可以在不超载 GPU 内存使用或丢失输出细节的情况下对高分辨率图像进行分割。

    Apr, 2021

  • ICNet 用于高分辨率图像的实时语义分割

    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