类平衡采样语义分割模型

小类分割更准

通过像素级类平衡采样和类判别风格化，提升域泛化语义分割中少数类的分割精度。

Liao, Muxin · Tian, Shishun · Binbin, Wei · Yuhang, Zhang · 邹文斌 · 李霞

IEEE Transactions on Intelligent Transportation Systems 2024

技术优势

少数类不再欠采样

像素级类平衡采样动态确定少数类并粘贴其补丁，避免模型对少数类过拟合。

风格化不伤判别特征

类判别风格化在增加风格多样性的同时保留类别判别区域，避免破坏判别表示。

语义关系更可靠

语义一致性约束处理粘贴位置不确定性，确保学习到可靠的语义关系。

应用场景

• 自动驾驶感知：提升自动驾驶在未见域中少数类（如行人、骑行者）的分割精度。
• 智能交通监控：增强交通监控中稀有目标（如事故、障碍物）的检测与分割。
• 机器人视觉：帮助机器人在新环境中可靠识别少数类物体，提高泛化能力。