版权声明:本文为博主原创文章,未经博主允许不得转载。 https://cloud.tencent.com/developer/article/1436672
Attention to Scale: Scale-aware Semantic Image Segmentation
CVPR2016
http://liangchiehchen.com/projects/DeepLab.html
针对语义分割问题,嵌入多尺度信息是很有必要的,这里我们提出用一个 attention mechanism 来学习每个像素位置的 softly weight the multi-scale features
attention model 学习对于不同尺度的物体赋予不同的权重
对于提取多尺度特征,目前主要有两种网络结构:
Skip-net 和 Share-net,这里我们认为 Share-net 能够与 attention model 更好的结合,所以采用了 attention model
怎么融合多尺度特征信息了?
这里我们首先得到权重,再根据权重来融合多尺度特征信息
PASCAL-Person-Part validation set
E-Supv: extra supervision The ground truths are downsampled properly during training
max-pooling 和 attention model 效果对比:
PASCAL VOC 2012 test set
PASCAL VOC 2012 validation set
MS-COCO validation set