Convoluções Escala-Adaptativas para Análise de Cena

Muitos métodos existentes de análise de cena adotam Redes Neurais Convolucionais com campos receptivos de tamanho fixo, o que frequentemente resulta em previsões inconsistentes de objetos grandes e invisibilidade de objetos pequenos. Para resolver esse problema, propomos uma convolução escala-adaptativa para adquirir campos receptivos de tamanho flexível durante a análise de cena. Ao adicionar uma nova camada de regressão de escala, podemos inferir dinamicamente os coeficientes de escala adaptativos à posição que são utilizados para redimensionar os patches convolucionais. Consequentemente, os campos receptivos podem ser ajustados automaticamente de acordo com os vários tamanhos dos objetos nas imagens de cena. Assim, os problemas de objetos pequenos invisíveis e previsões inconsistentes de objetos grandes podem ser aliviados. Além disso, nossas convoluções escala-adaptativas propostas não são apenas diferenciáveis para aprender os parâmetros convolucionais e coeficientes de escala de uma maneira ponta a ponta, mas também possuem alta paralelização para conveniência da implementação em GPU. Adicionalmente, uma vez que as novas camadas de regressão de escala são aprendidas implicitamente, qualquer supervisão extra de treinamento sobre os tamanhos dos objetos é desnecessária. Extensos experimentos com os datasets Cityscapes e ADE20K demonstram bem a eficácia das convoluções escala-adaptativas propostas.