获取完整原文和代码,公众号回复:09110224848
论文地址: http://arxiv.org/pdf/2012.03482v1.pdf
代码: 公众号回复:09110224848
来源: 西安交通大学,香港中文大学
论文名称:Rethinking Learnable Tree Filter for Generic Feature Transform
原文作者:Lin Song
内容提要
可学习树过滤器为语义分割提供了一种很好的模型结构保持关系的方法。然而,内在的几何约束迫使其聚焦于空间距离较近的区域,阻碍了有效的远距离相互作用。为了放宽几何约束,我们将其重新表述为马尔可夫随机场,并引入了一个可学习的一元项。此外,我们提出了一种可学习生成树算法来代替原来的不可微生成树算法,进一步提高了算法的灵活性和鲁棒性。通过上述改进,我们的方法可以更好地捕捉长期依赖关系,并保持线性复杂度的结构细节,从而扩展到多个视觉任务,实现更通用的特征转换。在对象检测/实例分割方面的大量实验表明,与原始版本相比,该算法都得到了改进。在语义分割方面,我们在Cityscape基准测试中没有任何附加条件就取得了领先的性能(82.1% mIoU)。
主要框架及实验结果
声明:文章来自于网络,仅用于学习分享,版权归原作者所有,侵权请加上文微信联系删除。