语义分割之边缘准确率提升

接触了几篇关于提升边缘语义分割准确率的文章。

Boundary Guided Context Aggregation for Semantic Segmentation，
这是一篇有监督的处理边界语义分割准确率的文章，其中包括一个语义分割网络；一个边缘处理网络和一个融合模块。损失函数共有四个，边缘处理网络和语义分割网络各一个；最后的有监督损失和边界感知损失。论文创新点可能就是最后的融合模块。
Unsupervised Domain Adaptation for Semantic Segmentation via Low-level Edge Information Transfer
这是一篇无监督域自适应的文章，思想感觉和上一篇论文差不多，专门设计了一个边缘处理网络。但是后面作者用了一个判别器，生成目标域线条图，然后采用了一个循环一致损失，来处理目标域线条图，这个方法我觉得还是挺新颖的。
Shallow Features Guide Unsupervised Domain Adaptation for Semantic Segmentation at Class Boundaries
这也是一篇无监督域自适应的文章，作者为低级特征里保存轮廓信息，直接在低级特征里做了一个有监督损失（目标域轮廓图是采用的canny算子算的）。然后又做了一个2D偏移图（文章里说了是怎么计算的，但是没太懂，也没有源码）。最后，融合卷积生成语义分割图。
总结一下：因为轮廓图主要存在低级特征里，所以三篇文章都是在低级特征里面去寻找的创新点。后续是不是用一个统一的后处理方法（不训练）来提升边缘语义分割准确率呢？

语义分割之边缘准确率提升相关推荐

道路场景语义分割综述_王飞龙
挖坑:暂时还没有理解的定义或者方法,但因为暂时不重要留到后面看论文结构一.引言 1.道路场景语义分割定义针对道路场景进行语义分割是对采集到的道路场景图像中的每个像素都划分到对应的类别,实现道路场 ...
图像语义分割方法研究进展
全监督学习的图像语义分割方法研究进展简介 1 全监督学习的图像语义分割方法 1.1 基于全卷积的图像语义分割方法 1.2 基于编码器解码器结构的图像语义分割方法 1.3 基于注意力机制的图像语义分割 ...
语义分割最新指南2019版
点击我爱计算机视觉标星,更快获取CVML新技术本文经机器之心(微信公众号:almosthuman2014)授权转载,禁止二次转载. 导读:网上曾经流传深度学习语义分割指南2017版(A 2017 G ...
复现Detectron2-blendmask之冰墩墩雪容融自定义数据集语义分割
第一节--Detectron2-BlendMask论文综述 1-1 Detectron2-BlendMask论文摘要实例分割是计算机视觉中非常基础的任务.近来,全卷积实例分割方法得到了更多的注意力, ...
【语义分割】评价指标：PA、CPA、MPA、IoU、MIoU详细总结和代码实现（零基础从入门到精通系列！）
文章目录引言 1 混淆矩阵 2 语义分割 PA:像素准确率 CPA:类别像素准确率 MPA:类别平均像素准确率 IoU:交并比 MIoU:平均交并比 3 综合实例步骤一:输入真实.预测图片步骤二 ...
提升语义分割性能的几种方法
本文主要记录几种提升基于深度学习的图像语义分割精度的方法,以防忘记! By zhengzibing2011, 2017年10月21日-星期六 1 1.图像语义分割面临的挑战 (1).特征分辨率减小:主 ...
ECCV2020 | Cityscapes上83.7 mIoU，通过解耦的主体和边缘监督改进语义分割
本文是收录于ECCV2020,将语义分割网络解耦成主体部分和边缘部分,并将body和edge同时进行优化,思想其实很简单. 现有的语义分割方法要么通过对全局上下文信息建模来提高目标对象的内部一致性,要 ...
CVPR2020 | 即插即用！将双边超分辨率用于语义分割网络，提升图像分辨率的有效策略...
点击上方"AI算法修炼营",选择"星标"公众号精选作品,第一时间送达本文是收录于CVPR2020的工作,文章利用低分辨率的输入图像通过超分辨率网络生成高分辨 ...
语义分割准确率、精确率、召回率、F1值计算代码
语义分割准确率.精确率.召回率.F1值计算使用提示: 需要opencv库只需将预测结果文件路径与标签路径改一下只针对二分类哦 (多分类可稍作修改) 代码里正类的像素值为255,可做修改! 1.精 ...

语义分割之边缘准确率提升

语义分割之边缘准确率提升相关推荐

最新文章

热门文章