TPAMI 2022 | 跨特征图注意机制的小物体语义分割技术

本篇文章介绍一下 Stanford University 学者于 TPAMI 2022 发表的一篇关于小物体语义分割的文章。语义分割的目标是从图像中准确标识出特定类型的物体，它是众多图像/视频应用领域的基础研究。全球各大科研机构都有大量学者关注语义分割研究领域，很多先进的语义分割算法被不断的提出。但目前对于小物体的语义分割仍然是一个公认的难点，而对小物体准确的分割对于各类应用如自动驾驶、肿瘤早筛等都有至关重要的影响。

斯坦福大学 Shengtian Sang 等人提出了一种利用跨特征图注意力机制的方法提高现有语义分割模型的性能，实验表明该方法在仅增加基础模型 0.1% 参数的情况下可以提高现有语义分割模型 2%-5% 的性能，该方法对于语义分割研究领域有重要的意义。