DeepGBASS: segmentação semântica profunda guiada com reconhecimento de limites

A segmentação semântica de imagens é amplamente usada em aplicativos de compreensão de cena, como AI Camera, que exigem alta precisão e eficiência. O aprendizado profundo avançou significativamente o estado da arte em segmentação semântica. No entanto, muitos dos trabalhos recentes de segmentação semântica consideram apenas a precisão das classes e ignoram as precisões nas fronteiras entre as classes semânticas. Para melhorar a precisão dos limites semânticos, propomos redes Deep Guided Decoder (DGD) de baixa complexidade, treinadas com uma nova estratégia Semantic Boundary-Aware Learning (SBAL). Nossos estudos de ablação em Cityscapes e no ADE20K-32 confirmam a eficácia de nossa abordagem com redes de diferentes complexidades. Mostramos que nossa abordagem DeepGBASS melhora significativamente o mIoU em até 11% de ganho relativo e a pontuação média do limite F1 (mBF) em até 39.4% ao treinar MobileNetEdgeTPU DeepLab no conjunto de dados ADE20K-32.

autores: Qingfeng Liu, Hai Su, Mostafa El-Khamy, Kee-Bong Song, da SOC Multimedia R&D, Samsung Semiconductor, Inc., EUA

Publicado em: ICASSP 2022 – 2022 Conferência Internacional IEEE sobre Acústica, Processamento de Fala e Sinais (ICASSP)

DOI: 10.1109/ICASSP43922.2022.9747892

Clique SUA PARTICIPAÇÃO FAZ A DIFERENÇA para ler mais.