admin 管理员组

文章数量: 1184232

PointFlow: Flowing Semantics Through Points for Aerial Image Segmentation

    • 体会
    • Abstract
    • Introduction
    • Related Work
    • Methods
      • 3.1preliminary
      • PFM
      • Dual Point Matcher
      • Dual Region Propagation
      • PFNet
    • Experiment
    • Conclusion

PFNet:基于PFN框架在特征金字塔间插入PFM，构建的金字塔传播网络

体会

这篇文章其实就是利用基于FPN框架和自己设计的Dual Point Matcher双点适配器 提出的PFM模块与金字塔传播网络得到的PFNET，由dense-affinity转为spare-affinity ，成功解决了航空图像前后景分布不平和以及高分辨率下众多小对象的问题。

Abstract

航空图像存在着两个关键的问题：
1.前景后景分布不平衡
2.高分辨率图像存在复杂背景下的众多小对象
但引入过度的背景上下文，也会使得dense affinity context 模型 (密集亲和上下文模型)表现较差甚至不如基线算法的效果

为了解决以上问题，该论文提出了：
1.由FPN框架想到，提出了point-wise affinity propagation module，命名为PFM。PFM将相邻特征之间选定（如何选定？）的点生成a sparse affinity map，可在保证效率的同时减少背景噪声。
2.设计了双点匹配器Dual Point Matcher，该匹配器分别从显著区域 salient area 和对象边界 object boundaries选点

PFM概念图（c）：

Introduction

许多人使用构建多尺度特征表示、使用特定模型增强对象边界，但这样会缺乏对前景对象的学习，如之前使用的dense affinity-based methods （密集亲和力方法），由于不平衡和复杂的背景会影响（欺骗

本文标签： Semantics Flowing PointFlow Image Aerial

版权声明：本文标题：【PointFlow: Flowing Semantics Through Points for Aerial Image 】 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.roclinux.cn/b/1755027785a3062405.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。