Abstract
暫時還放在arxiv上,沒有出版.中科院自動化所模式比對國重的文章.
在本文看來,語義分割存在的主要問題是分辨率的降低導緻物體細節和小物體損失,現在的很多方法都是緻力于如何更好提高分辨率.本文于是提出了Stackecd Deconvolutional Network(SDN) Module來使用逐一堆疊的結構來內建上下文資訊,更好地回複局部資訊。
Introduction
Motivataion
正如上文所說,主要是分類網絡中的下采樣是為了找到圖檔形變不變形,但是同時導緻了分割中的物體細節和小物體損失.
現在已經有許多方法在解決這個問題,比如dilated convolution, multi-scale or global feature maps, upsampling or deconvolution等, 本文提出SDN解決這個問題.
Framework
使用DenseNet-161作為第一個unit的based-model.
網絡架構主要由三部分組成:
- SDN unit
-
intra-unit and inter-unit
intra-unit是相鄰SDN unit之間的連接配接單元,inter-unit是第一個unit中的low-level representation傳輸到hight-level的連接配接單元.
-
hierarchical supervision
為了更好地優化,使用hierarchical supervision訓練.
Experiment
方法簡單粗暴,效果也不錯
在上個資料集上達到了SOTA.
Others
沒有開元代碼