通过扩张亲和力改进语义分割

作者：Boxi Wu,Shuai Zhao,Wenqing Chu,Zheng Yang,Deng Cai

摘要：引入结构预测的显式约束是提高语义分割模型性能的有效方法。现有方法主要基于仅仅部分捕获图像结构的手工制作的规则不足，并且一些方法也可能遭受效率问题。结果，大多数最先进的完全卷积网络都没有采用这些技术。在这项工作中，我们提出了一种简单，快速而有效的方法，通过直接监督和较小的额外费用来利用结构信息。具体而言，我们的方法明确要求网络预测语义分割以及扩张亲和力，这是成对像素亲和力的稀疏版本。描述像素之间关系的能力直接建立在模型中，并分两个阶段提高分割质量。 1）具有扩张亲和力的联合训练可以提供稳健的特征表示，从而导致更精细的分割结果。 2）可以进一步利用亲和度信息的额外输出来利用快速传播过程来细化原始分割。当将我们的框架应用于现有的最先进模型时，在各种基准数据集上观察到一致的改进。代码将很快发布。

原文标题：Improving Semantic Segmentation via Dilated Affinity

原文链接：https://arxiv.org/abs/1907.07011