作者:Dmitrii Marin,Zijian He,Peter Vajda,Priyam Chatterjee,Sam Tsai,Fei Yang,Yuri Boykov
摘要:诸如自动驾驶之类的许多自动化过程依赖于良好的语义分段作为关键组件。 为了加快性能,通常对输入帧进行下采样。 然而,这是以丢失小对象和降低语义边界精度为代价的。 为了解决这个问题,我们提出了一种新的内容自适应下采样技术,该技术有助于在目标类的语义边界附近采样位置。 成本 - 性能分析表明,我们的方法始终优于统一采样,提高了准确性和计算效率之间的平衡。 我们的自适应采样为分割提供了更好的边界质量,并为更小尺寸的对象提供更可靠的支持。
原文标题:Efficient Segmentation: Learning Downsampling Near Semantic Boundaries
原文链接:https://arxiv.org/abs/1907.07156
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。