论文笔记：Semantic Segmentation using Adversarial Networks

Semantic Segmentation using Adversarial Networks
2018-04-27 09:36:48

Abstract：

　　对于产生式图像建模来说，对抗训练已经取得了很好的效果。本文中，我们提出了一种对抗训练的方法来训练语义分割模型。其实这里就是加了一个对抗loss，即：用一个 CNN 来判断给定的图是分割的结果呢？还是 GT？本文方法的动机是：it can detect and correct higher-order inconsistencies between GT segmentation maps and the ones produced by the segmentation net.

　　本文贡献点是：

　　1. 首次尝试将 adversarial training 引入到语义分割领域；

　　2. 这种方法可以保证：long-range spatial label contiguity, 并且没有在测试的时候增加复杂度；

　　3. 在两个数据集上都提升了性能；

The Proposed Approach：

　　Adversarial training :

　　本文的方法是使用两个混合 loss function，第一项是：a multi-class cross-entropy term，该项估计分割模型来独立的预测每一个像素位置的类别标签。

　　给定一个 RGB image x，分割模型输出的是类别概率图（the class probability map）s(x)；

　　第二项是：基于额外的对抗卷积网络的。