Semantic Segmentation with Modified Deep Residual Networks

	Semantic Segmentation with Modified Deep Residual Networks
	Chen, Xinze1,2 ; Chen, Guangliang 1,2; Cai, Yinghao1 ; Wen, Dayong1 ; Li, Heping1
	2016-10
会议名称	Chinese Conference on Pattern Recognition（CCPR）
会议录名称	Proceedings of Chinese Conference on Pattern Recognition
会议日期	November, 2016
会议地点	Cheng Du, China
摘要	A novel semantic segmentation method is proposed, which consists of the following three parts: (I) First, a simple yet effective data augmentation method is introduced without any extra GPU memory cost during training. (II) Second, a deeper residual network is constructed through three effective techniques: dilated convolution, LSTM network and multi-scale prediction. (III) Third, an online hard pixels mining is adopted to improve the segmentation performance. We combine these three parts to train an end-to-end network and achieve a new state-ofthe-art segmentation accuracy of 79.3% on PASCAL VOC 2012 test set at the time of submission.
关键词	Semantic Segmentation Data Augmentation Residual Networks Lstm Multi-scale Prediction
收录类别	EI
语种	英语
文献类型	会议论文
条目标识符	http://ir.ia.ac.cn/handle/173211/14458
专题	多模态人工智能系统全国重点实验室_机器人视觉
通讯作者	Li, Heping
作者单位	1.中国科学院自动化研究所 2.中国科学院大学
第一作者单位	中国科学院自动化研究所
通讯作者单位	中国科学院自动化研究所
推荐引用方式 GB/T 7714	Chen, Xinze,Chen, Guangliang,Cai, Yinghao,et al. Semantic Segmentation with Modified Deep Residual Networks[C],2016.

条目包含的文件		下载所有文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
Semantic Segmentatio（2516KB）	会议论文		开放获取	CC BY-NC-SA	浏览下载