视频学习--《 图像语义分割前沿进展》

《 图像语义分割前沿进展》-程明明

视频链接

• 图像语义分割技术面临的挑战：大小各异、形状复杂、环境多变、类别众多

• 计算机视觉发展------多尺度视角

• 相关论文

  • Res2Net：A New Multi-scale Backbone Architecture(分层递进残差网络)

    富尺度空间的深度神经网络通用架构

    

    左图为经典的ResNet的结构，有一定的多尺度表达能力，但在一定程度上是不够的。右图在此结构上将输入分为四组，更好的提取不同尺度信息的能力。可以与其它结构相兼容：

    

    应用：图像分类、物体检测、激活图预测、显著性检测、语义分割、实例分割、关键点估计、交互式分割、全景分割等

    人工设计vs.NAS：限定搜索空间、硬件适配难

  • Strip Pooling(带状池化)模块-----自适应池化

    

    对于输入的feature做横向和竖向的strip pooling，经过复制得到和原图大小一样的特征表达，再做fusion，最后经过卷积、sigmoid得到output。一个方向上建立long range connection，同时在另一个方向上保持local context。