BASeg: Boundary aware semantic segmentation for autonomous driving

分割 计算机科学 边界(拓扑) 背景(考古学) 人工智能 一致性(知识库) 对象(语法) 像素 光学(聚焦) 计算机视觉 模式识别(心理学) 数学 古生物学 数学分析 物理 光学 生物
作者
Xiaoyang Xiao,Yuqian Zhao,Fan Zhang,Biao Luo,Lingli Yu,Baifan Chen,Chunhua Yang
出处
期刊:Neural Networks [Elsevier]
卷期号:157: 460-470 被引量:27
标识
DOI:10.1016/j.neunet.2022.10.034
摘要

Semantic segmentation is a critical component for street understanding task in autonomous driving field. Existing various methods either focus on constructing the object's inner consistency by aggregating global or multi-scale context information, or simply combine semantic features with boundary features to refine object details. Despite impressive, most of them neglect the long-range dependences between the inner objects and boundaries. To this end, we present a Boundary Aware Network (BASeg) for semantic segmentation by exploiting boundary information as a significant cue to guide context aggregation. Specifically, a Boundary Refined Module (BRM) is proposed in the BASeg to refine coarse low-level boundary features from a Canny detector by high-level multi-scale semantic features from the backbone, and based on which, the Context Aggregation Module (CAM) is further proposed to capture long-range dependences between the boundary regions and the object inner pixels, achieving mutual gains and enhancing the intra-class consistency. Moreover, our method can be plugged into other CNN backbones for higher performance with a minor computation budget, and obtains 45.72%, 81.2%, and 77.3% of mIoU on the datasets ADE20K, Cityscapes, and CamVid, respectively. Compared with some state-of-the-art ResNet101-based segmentation methods, extensive experiments demonstrate the effectiveness of our method. Our code is available at https://github.com/Lature-Yang/BASeg.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
科研通AI2S应助冥王星采纳,获得10
3秒前
3秒前
4秒前
5秒前
5秒前
6秒前
温柔的兔子完成签到,获得积分20
7秒前
8秒前
Khr1stINK完成签到,获得积分10
9秒前
11秒前
Enkcy发布了新的文献求助10
11秒前
ding应助酷酷从雪采纳,获得10
11秒前
yinqueshi发布了新的文献求助10
11秒前
SmuA发布了新的文献求助30
11秒前
寒冷青寒发布了新的文献求助10
13秒前
上官若男应助渝安采纳,获得10
13秒前
13秒前
1122发布了新的文献求助10
15秒前
哆小咪完成签到 ,获得积分10
15秒前
yinqueshi完成签到,获得积分10
16秒前
皓月当空完成签到,获得积分10
16秒前
夏昼苦长发布了新的文献求助10
19秒前
韦颖完成签到,获得积分20
19秒前
wualexandra完成签到,获得积分10
19秒前
20秒前
piko11完成签到,获得积分10
20秒前
科研通AI2S应助科研通管家采纳,获得10
21秒前
顾矜应助科研通管家采纳,获得10
21秒前
英姑应助科研通管家采纳,获得10
21秒前
汉堡包应助科研通管家采纳,获得10
21秒前
充电宝应助科研通管家采纳,获得30
22秒前
思源应助科研通管家采纳,获得10
22秒前
CodeCraft应助科研通管家采纳,获得10
22秒前
大个应助科研通管家采纳,获得10
22秒前
22秒前
ding应助斯文谷秋采纳,获得10
23秒前
23秒前
24秒前
25秒前
1257应助温柔的兔子采纳,获得10
25秒前
高分求助中
【此为提示信息,请勿应助】请按要求发布求助,避免被关 20000
【本贴是提醒信息,请勿应助】请在求助之前详细阅读求助说明!!!! 20000
Evolution 5000
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
La Chine révolutionnaire d'aujourd'hui / Van Min, Kang Hsin 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3044554
求助须知:如何正确求助?哪些是违规求助? 2701739
关于积分的说明 7384800
捐赠科研通 2345718
什么是DOI,文献DOI怎么找? 1241583
科研通“疑难数据库(出版商)”最低求助积分说明 603979
版权声明 595503