适用于室内环境的多层级交叉融合RGBD语义分割算法

  

  Multilevel Cross-Aware RGBD Semantic Segmentation of Indoor Environments 

  适用于室内环境的多层级交叉融合RGBD语义分割算法 

    

  已有生物学实验证明,人脑视觉通路在低层视觉特征之间会有频繁且相互交叉的通信,这表明来自人类双眼的不同类型的视觉特征是需要相互补充以保证后续视觉功能的可靠性和稳定性。本论文受人脑视觉通路原理的启发,设计了一种多层级交叉融合网络模块,并将其合理的嵌入到当前主流的深度学习语义分割框架中,实现了RGB图像分支和深度图分支,两个不同模态数据分支的互补性交融,提升了语义分割的准确度和鲁棒性。本文提出的方法在室内场景语义分割上表现优异,并且目前在ScanNet Benchmark 2D语义分割任务上获得了最高的平均交并比(mean IoU),总排名第一。 

   

  1 算法流程图 

    

   

  2 数据集上的对比效果,从上到下分别是原图像,深度,真值,Deeplabv3+方法,FusenNet方法,SSMA方法,本文工作 

    

本文链接:
XML 地图 | Sitemap 地图