Aprendiendo una Red de Características Discriminativas para Segmentación Semántica

La mayoría de los métodos existentes de segmentación semántica aún sufren de dos aspectos desafiantes: inconsistencia intra-clase e indistinción inter-clase. Para abordar estos dos problemas, proponemos una Red de Características Discriminativas (DFN), que contiene dos subredes: Red Suave y Red de Frontera. Específicamente, para manejar el problema de inconsistencia intra-clase, diseñamos especialmente una Red Suave con Bloque de Atención de Canal y agrupamiento promedio global para seleccionar las características más discriminativas. Además, proponemos una Red de Frontera para hacer que las características bilaterales del límite sean distinguibles con supervisión profunda del límite semántico. Basado en nuestra DFN propuesta, logramos un rendimiento de vanguardia del 86.2% de IOU promedio en PASCAL VOC 2012 y 80.3% de IOU promedio en el conjunto de datos de Cityscapes.