一文看尽9篇语义分割最新论文（GPSNet/Graph-FCN/HMANet等）

前言

恰逢 2020年，本文再次更新近期值得关注的最新语义分割论文。这次分享的paper将同步推送到 github上，欢迎大家 star/fork（点击阅读原文，也可直接访问）：

https://github.com/amusi/daily-paper-computer-vision

注意事项：

• 既含航空图像语义分割网络，还有域自适应等开源网络
• 论文发布时间段：2020年01月03日-2020年01月29日

语义分割论文

【1】Graph-FCN：用于图像语义分割的图卷积网络

《Graph-FCN for image semantic segmentation》

时间：20201203

作者团队：中科院&国科大&北京中医药大学

链接：https://arxiv.org/abs/2001.00335

注：As far as we know, it is the first time that we apply the graph convolutional network in image semantic segmentation

Graph-FCN

【2】ExtremeC3Net：极致轻量级人像分割网络（使用高级C3模块）

《ExtremeC3Net: Extreme Lightweight Portrait Segmentation Networks using Advanced C3-modules》

时间：20190812

作者团队：首尔大学&Clova AI

链接：https://arxiv.org/abs/1908.03093

代码：https://github.com/clovaai/ext_portrait_segmentation

注1：本文之前CVer推送过，但那时还没有开源，前不久ExtremeC3Net 刚刚开源，所以再次分享给大家，值得关注和学习！

注2：仅37.7K参数量！性能优于PortraitNet、BiSeNet和ESPNetV2等网络，代码和数据集现已开源！

【3】HMANet：用于航空图像语义分割的混合多注意力网络

《HMANet: Hybrid Multiple Attention Network for Semantic Segmentation in Aerial Images》

时间：20200110

作者团队：中科院&国科大

链接：https://arxiv.org/abs/2001.02870

注：在Vaihingen/Potsdam等数据集上，表现SOTA！性能优于CCNet、ACFNet、PSPNet和DeepLabV3+等

【4】EVS：具有标签传播和优化功能的高效视频语义分割

《Efficient Video Semantic Segmentation with Labels Propagation and Refinement》

时间：20200112（WACV2020）

作者团队：苏黎世联邦理工学院CV实验室

链接：https://arxiv.org/abs/1912.11844

注：在Cityscapes数据集上(2048 x 1024)，速度可达80-1000 FPS！性能优于DVSN、ICNet等网络

【5】基于循环一致性和特征对齐的移动语义分割的无监督域自适应

《Unsupervised Domain Adaptation for Mobile Semantic Segmentation based on Cycle Consistency and Feature Alignment》

时间：20200115

作者团队：帕多瓦大学

链接：https://arxiv.org/abs/2001.04692

注：性能优于CycleGAN和CyCADA等网络

【6】GPSNet：Gated路径选择性的语义分割网络

《Gated Path Selection Network for Semantic Segmentation》

时间：20200122

作者团队：北航&牛津大学&清华大学等

链接：https://arxiv.org/abs/2001.06819

注：性能优于OCNet、PSPNet和PSANet等网络

GPSNet

【7】DADA：用于语义分割的深度感知域适应

《DADA: Depth-Aware Domain Adaptation in Semantic Segmentation》

时间：20190426（ICCV 2019）

作者团队：法雷奥 AI Lab&索邦大学

链接：https://arxiv.org/abs/1904.01886

代码：https://github.com/valeoai/DADA

注1：本文之前CVer推送过，但那时还没有开源，前不久DADA 刚刚开源，所以再次分享给大家，值得关注和学习！

注2：性能优于AdvEnt、AdaptPatch和CLAN等网络，表现SOTA，现已开源！

【8】CAG-UDA：用于无监督域自适应语义分割的类别Anchor引导

《Category Anchor-Guided Unsupervised Domain Adaptation for Semantic Segmentation》

时间：20191017

作者团队：悉尼大学&腾讯优图

链接：https://arxiv.org/pdf/1910.13049.pdf

代码：https://github.com/RogerZhangzz/CAG_UDA

注1：本文之前CVer推送过，但那时还没有开源，前不久 CAG-UDA 刚刚开源，所以再次分享给大家，值得关注和学习！

注2：性能优于DCAN、CLAN和BLF等网络

CAG-UDA

【9】面向航空遥感图像的Open-Set语义分割网络

《Towards Open-Set Semantic Segmentation of Aerial Images》

时间：20200129

作者团队：斯特林大学等

链接：https://arxiv.org/abs/2001.10063

注：据作者称这是第一篇研究应用于遥感图像的open set场景的语义分割技术论文（open set是指存在未知类）