CPT类别原型特征重建网络

低分辨率高精度

通过类别原型替代像素特征来重建多尺度特征,在低分辨率输入下仍保持高分割精度,显著降低计算量。

Tang, Quan · Liu, Chuanjian · 刘发贵 · 姜军 · Zhang, Bowen · Philip Chen, Chun Lung Philip · 韩恺 · Wang, Yunhe

IEEE Transactions on Image Processing 2025

参数信息

mIoU
55.5 %
最低输入分辨率
1/32

技术优势

感受野更大

通过数据相关的方式采样全局上下文信息,而不是局限于亚像素邻域,从而更好地捕捉长距离依赖。

特征更鲁棒

用类别原型(同类像素特征的平均)替代原始像素特征进行重建,缓解了类内特征方差,提升特征判别力。

低分辨率可用

在输入分辨率仅为原图1/32时仍保持优越性能,大幅减少计算开销,适合资源受限场景。

应用场景