Attention head:Resnet-50做backbone时候,语义头和注意头是由ResNet-5最后阶段的特征提供的。HRNet-OCR做backbone时,语义头和注意头是由OCR block提供的。 使用HRNet-OCR时候还存在一个auxiliary semantic head:由(1x1 conv)→(BN)→(ReLU)→(1x1 conv)构成。在将注意力机制用到语义逻辑之后,再用双线性上采样将...
2、提出一种基于硬阈值的自动标记策略，可利用未标记的图像提高IOU。3、在Cityscapes test上可达85.1% mIoU，在Mapillary val上高达61.1% mIoU，表现真SOTA！性能优于SegFix、HRNetV2-OCR等网络。动机 类别混淆问题：语义分割的任务是将图像中的所有像素标记为属于N类之一。在这项任务中有一个折衷，就是某 些类型...
我是直接看的HRNet-OCR分支下的这个文件。对于HRNet而言,代码中有四个比较重要的类,BasicBlock、Bottleneck、HighResolutionModule、HighResolutionNet四个类。BasicBlock和Bottleneck是残差块,在resnet中也是能看到的。HighResolutionModule是进行多分辨率融合的模块,HighResolutionNet是HRNetv2。
Attention head:Resnet-50做backbone时候,语义头和注意头是由ResNet-5最后阶段的特征提供的。HRNet-OCR做backbone时,语义头和注意头是由OCR block提供的。 使用HRNet-OCR时候还存在一个auxiliary semantic head:由(1x1 conv)→(BN)→(ReLU)→(1x1 conv)构成。在将注意力机制用到语义逻辑之后,再用双线性上采样将...