Feb, 2024
多尺度与主要预测指导的玻璃分割
Glass Segmentation with Multi Scales and Primary Prediction Guiding
TL;DR借鉴比例整合策略和改良方法,我们提出了一种全新的名为MGNet的网络,它包括一个Fine-Rescaling和Merging模块(FRM)来提高提取空间关系的能力,一个Primary Prediction Guiding模块(PPG)来更好地从融合后的特征中挖掘剩余语义,并且我们使用一种新的带有不确定性感知损失的损失函数来监督模型生成高置信度的分割地图。与现有的必须在不同设置下训练的玻璃分割模型不同,我们的模型在统一设置下训练,并在三个流行的公共数据集上取得了卓越的性能。可在指定链接获取代码。