堆叠反卷积网络

语义分割新精度

通过堆叠浅层反卷积单元并引入单元间与单元内连接，实现上下文信息融合与像素级定位的精细恢复。

Fu, Jun · 刘静 · Wang, Yuhang · Jin, Zhou · Changyong, Wang · Hanqing, Lu

IEEE Transactions on Image Processing 2024

参数信息

mIoU（PASCAL VOC 2012 测试集）

86.6 %

技术优势

上下文与定位信息充分融合

多个浅层反卷积单元堆叠，逐步融合上下文信息，同时恢复精细的定位信息；单元间与单元内连接增强了特征融合并改善梯度传播。

无需后处理直接输出分割图

最优模型无需 CRF 后处理，在 PASCAL VOC 2012 测试集上即达到 86.6% 的 mIoU，简化了推理流程。

多数据集上验证新精度

在 PASCAL VOC 2012、CamVid、GATECH、COCO Stuff 四个数据集上取得了当时最优结果，表明网络具有良好的泛化性。

应用场景

• 具身智能感知：为智能体提供高精度分割结果，使其在复杂环境中准确定位可交互物体。
• 自动驾驶环境理解：提升道路场景分割精度，无需后处理即可实时理解驾驶环境。
• 机器人视觉：帮助机器人获得精细的物体边界，便于抓取和导航等任务。
• 医学图像分析：通过堆叠反卷积恢复病变区域的精细边界，辅助医学图像中器官或病灶的分割。