用于语义分割深度反卷积网络学习.pdfVIP

用于语义分割的反卷积网络学习

NohHyeonwooSeunghoonHongBohyungHan韩国

POSTECH计算机科学与工程系

{hyeonwoonoh,maga33,bhhan}@postech.ac.kr

我们提出了一种通过学习深度反卷积网络的新颖

语义分割算法。我们在从VGG16层网络中采用的卷积

层基础上训练该网络。反卷积网络由反卷积层和上采

样层组成，这些层能够识别像素级别的类别并预

测分割掩模。训练好的网络应用于输入图像中(a)由于物体尺寸大导致不一致

的每个提议，并以简单的方式结合所有提议的结果来

构建最终的语义分割图。所算法通过集成深度

反卷积网络和基于提议的预测，缓解了现有基于全卷

积网络方法的局限性；我们的分割方法通常能够识别

详细的结构，并自然处理多尺度对象。我们的网络在

PASCALVOC2012数据集上表现出色，通过与全卷积

网络组合，我们实现了最高的精度（72.5%），且未(b)由于物体尺寸小导致

使用COCO数据集进行训练。