专栏首页CVer[计算机视觉论文速递] ECCV 2018 专场11

[计算机视觉论文速递] ECCV 2018 专场11

前戏

Amusi 将日常整理的论文都会同步发布到 daily-paper-computer-vision 上。名字有点露骨,还请见谅。喜欢的童鞋,欢迎star、fork和pull。

ECCV 2018是计算机视觉领域中的顶级会议,目前已经公开了部分已录用的paper。CVer 已经推送了9篇 ECCV 2018论文速递推文:

[计算机视觉论文速递] ECCV 2018 专场1

[计算机视觉论文速递] ECCV 2018 专场2

[计算机视觉论文速递] ECCV 2018 专场3

[计算机视觉论文速递] ECCV 2018 专场4

[计算机视觉论文速递] ECCV 2018 专场5

[计算机视觉论文速递] ECCV 2018 专场6

[计算机视觉论文速递] ECCV 2018 专场7

[计算机视觉论文速递] ECCV 2018 专场8

[计算机视觉论文速递] ECCV 2018 专场9

[计算机视觉论文速递] ECCV 2018 专场10

Semantic Segmentation

本文介绍两篇Amusi很喜欢的语义分割(Semantic Segmentation)论文。

《BiSeNet: Bilateral Segmentation Network for Real-time Semantic Segmentation》

ECCV 2018

Illustration of the architectures to speed up and our proposed approach

An overview of the Bilateral Segmentation Network.

摘要:语义分割(semantic segmentation)需要丰富的空间信息和相当大的感受野(receptive field)。但是,现代方法通常会牺牲空间分辨率(spatial resolution)来实现实时inference速度,从而导致性能不佳。在本文中,我们通过一种新颖的双边分割网络(Bilateral Segmentation Network,BiSeNet)来解决这一难题。我们首先设计一个小步幅的 Spatial Path,以保留空间信息并生成高分辨率特征。同时,采用具有快速下采样策略的 Context Path 来获得足够的感受野。在这两条 path 的顶部,我们引入了一个新的特征融合模块(Feature Fusion Module),以有效地结合特征。所提出的BiSeNet框架在Cityscapes,CamVid和COCO-Stuff数据集上的速度和分割性能之间取得了适当的平衡。具体来说,对于2048x1024输入,我们在Cityscapes测试数据集上实现了68.4%的Mean IOU,在一块NVIDIA Titan XP卡上的速度为105 FPS,这明显快于当前其它可比的方法。

arXiv:http://arxiv.org/abs/1808.00897

注:源码还未放出

《Unsupervised Domain Adaptation for Semantic Segmentation via Class-Balanced Self-Training》

ECCV 2018

Illustration of the proposed itertive self-training framework for unsupervised domain adaptation. Left: algorithm workflow. Right figure: semantic segmentation results on Cityscapes before and after adaptation

摘要:最近的深度网络在各种语义分割任务上实现了最先进的性能。尽管取得了这些进展,但这些模型经常面临现实世界“wild tasks”中的挑战,其中存在标记的训练/源数据与看不见的测试/目标数据之间的巨大差异。特别地,这种差异通常被称为“domain gap”,并且可能导致显著的性能降低。这并不能通过进一步增加表示能力而容易地补救。无监督域适应(Unsupervised Domain Adaptation,UDA)试图在没有目标域标签的情况下克服这种问题。在本文中,我们提出了一种基于迭代自训练(Self-training,ST)过程的新型UDA框架,其中该问题被公式化为潜在变量损失最小化,并且可以通过在目标数据上交替生成伪标签(pseudo labels)并重新训练来解决。带有这些标签的模型。在ST之上,我们还提出了一种新颖的类平衡自我训练(Class Balanced Self-training,CBST)框架,avoid the gradual dominance of large classes on pseudo-label generation,并引入空间先验(spatial prior)来细化生成的标签。综合实验表明,所提出的方法在多个主要UDA设置下实现了最先进的语义分割性能。

paper:

http://openaccess.thecvf.com/content_ECCV_2018/papers/Yang_Zou_Unsupervised_Domain_Adaptation_ECCV_2018_paper.pdf

注:源码还未放出

希望上述两篇ECCV 2018 最新的paper可以给你带来一点灵感~

本文分享自微信公众号 - CVer(CVerNews),作者:Amusi

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-10-17

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • [计算机视觉论文速递] ECCV 2018 专场5

    Amusi 将日常整理的论文都会同步发布到 daily-paper-computer-vision 上。名字有点露骨,还请见谅。喜欢的童鞋,欢迎star、for...

    Amusi
  • [计算机视觉论文速递] ECCV 2018 专场6

    Amusi 将日常整理的论文都会同步发布到 daily-paper-computer-vision 上。名字有点露骨,还请见谅。喜欢的童鞋,欢迎star、for...

    Amusi
  • [计算机视觉论文速递] ECCV 2018 专场10

    OK!计算机视觉论文速递系列正式重启,CVer将两/三天更新一次速递推文,如果时间充足,会做到每日一更。

    Amusi
  • 投稿数翻倍,接收率不到三成!史上最难的ECCV你中了吗?

    今年,由于疫情的影响,诸多会议转为线上。每两年举办一次的ECCV也不例外,ECCV将于2020年8月23日至28日在线上举行。

    新智元
  • Java单体应用 - 架构模式 - 03.设计模式-22.空对象模式

    原文地址:http://www.work100.net/training/monolithic-architecture-design-patterns-nul...

    光束云
  • 哇~这么Deep且又轻量的Network,实时目标检测

    最近挺对不住关注“计算机视觉战队”平台的小伙伴,有段时间没有给大家分享比较硬比较充实的“干货”了,在此向大家表示抱歉,今天抽空之余,想和大家说说目标的实时检测。

    计算机视觉研究院
  • 哇~这么Deep且又轻量的Network,实时目标检测

    最近挺对不住关注“计算机视觉战队”平台的小伙伴,有段时间没有给大家分享比较硬比较充实的“干货”了,在此向大家表示抱歉,今天抽空之余,想和大家说说目标的实时检测。

    计算机视觉研究院
  • 【Java】11 Set 集合

       Set 接口继承了 Collection 接口,因此可以使用 Collection 接口中的所有方法。由于 Set 集合中的元素不能重复,因此在向 Set...

    Demo_Null
  • Java工厂模式

      工厂模式是我们最常用的实例化对象模式了,是用工厂方法代替new操作的一种模式,工厂模式在Java程序中可以说是随处可见。本文来给大家详细介绍下工厂模式

    用户4919348
  • ASP.NET中的会话状态模式详解

    在ASP.NET中我们都会用到Session,但是Session存在哪里你们知道吗,今天我们就来了解一下。

    小明爱学习

扫码关注云+社区

领取腾讯云代金券