论文标题：Synergy Between Semantic Segmentation and Image Denoising via Alternate Boosting 论文链接：https://arxiv.org/abs/2102.12095 作者单位：中国科学技术大学 去噪图像质量得到了明显提高，分割精度也得到了提高！性能优于DMS、DDFN+Seg等网络，代码和模型即将开源！

图像语义分割的能力可能会由于输入图像的噪点而变差，其中在分割之前对图像进行去噪是有帮助的。随着深度学习的发展，图像去噪和语义分割都得到了显著发展。 因此，我们通过使用整体深度模型对它们之间的协同作用感兴趣。 我们观察到，不仅去噪有助于消除由于噪声引起的分割精度下降，而且逐像素语义信息也提高了去噪能力。然后，我们提出了一个增强网络来交替执行去噪和分割。 所提出的网络由多个分割和去噪块（SDB）组成，每个分割和去噪块都估计语义图，然后使用该图对降噪进行正则化。实验结果表明，去噪图像质量得到了明显提高，分割精度也得到了提高，接近清洁图像。我们的代码和模型将公开提供。

内容中包含的图片若涉及版权问题，请及时与我们联系删除