Technical Report on Subspace Pyramid Fusion Network for Semantic Segmentation

要約

以下は、マルチスケールの特徴表現をキャプチャするために提案されたサブスペース ピラミッド フュージョン モジュール (SPFM) の有効性をテストするための技術レポートです。これは、セマンティック セグメンテーションにさらに役立ちます。
この研究では、マルチレベルのグローバル コンテキスト機能を融合することによりスキップ接続パスを再構築する Efficient Shuffle Attendee Module (ESAM) を提案しました。
Camvid と Cityscapes を含む 2 つのよく知られたセマンティック セグメンテーション データセットの実験結果は、私たちが提案した方法の有効性を示しています。

要約(オリジナル)

The following is a technical report to test the validity of the proposed Subspace Pyramid Fusion Module (SPFM) to capture multi-scale feature representations, which is more useful for semantic segmentation. In this investigation, we have proposed the Efficient Shuffle Attention Module(ESAM) to reconstruct the skip-connections paths by fusing multi-level global context features. Experimental results on two well-known semantic segmentation datasets, including Camvid and Cityscapes, show the effectiveness of our proposed method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google