本文共 372 字,大约阅读时间需要 1 分钟。
该方法适用于语义分割二分类。
算法思想:对于最后用于分类的特征图,作为像素的embed vector,采用度量学习的方式,使类内的embed接近,类间的embed远离。如下图所示,直接在原有语义分割模型上添加IS-Triplet loss。
步骤:随机在前景中采样2次,每次采样K个点,分别构成集合F1和F2.采用同样的方式,在背景中采样,得到集合B1和B2;
损失函数:
d(a,b)是欧式距离,m设为3.0,[*]+ is a hinge function,表示大于0的取原值,小于0的取0.
总的损失函数:
各个参数设置和训练策略,见原文4.1.3节
P表示准确率
J表示IOU
转载地址:http://hlqof.baihongyu.com/