Key points are not available for this paper at this time.
في هذا العمل، نعيد زيارة الالتفاف الأتروسي، وهو أداة قوية لضبط مجال رؤية الفلتر بشكل صريح وكذلك التحكم في دقة استجابات المميزات المحسوبة بواسطة الشبكات العصبية الالتفافية العميقة، في تطبيق تقسيم الصور الدلالية. للتعامل مع مشكلة تقسيم الأجسام على مقاييس متعددة، نصمم وحدات تستخدم الالتفاف الأتروسي في سلسلة أو بالتوازي لالتقاط سياق متعدد المقاييس من خلال اعتماد معدلات أترواس متعددة. علاوة على ذلك، نقترح تعزيز وحدة تجميع الهرم المكاني الأتروسي التي اقترحناها سابقًا، والتي تستكشف الميزات الالتفافية على مقاييس متعددة، بميزات على مستوى الصورة تشفر السياق العالمي وتعزز الأداء بشكل أكبر. كما نفصل التفاصيل التنفيذية ونشارك تجربتنا في تدريب نظامنا. النظام المقترح 'DeepLabv3' يحسن بشكل كبير مقارنةً بإصدارات DeepLab السابقة لدينا دون معالجة ما بعد DenseCRF ويحقق أداءً مقاربا مع نماذج أخرى من أحدث ما توصلت إليه التقنيات في معيار تقسيم الصور الدلالية PASCAL VOC 2012.
دstudyd Chen et al. (Sat) هذا السؤال.