北京
分享至
图像分割任务里，像素级分类一直是硬骨头。传统方法靠手工特征，遇到复杂场景就抓瞎。
这篇工作把全卷积网络（FCN）往深了做，堆了几十层卷积。深层网络能抓多尺度特征，小物体和大背景都能照顾到。
关键改动在两点：一是用空洞卷积（dilated convolution）扩大感受野，不丢分辨率；二是砍掉全连接层，全程卷积保空间信息。
实验在PASCAL VOC和Cityscapes上跑，mIoU比当时主流方法高出5-8个点。推理速度也没崩，单卡能实时处理高清图。
这思路后来成了语义分割的基线。现在看，"全卷积+超深网络"的配方依然能打。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
