【CVPR2021】基于Transformers 从序列到序列的角度重新思考语义分割

文章预览

基于Transformers 从序列到序列的角度重新思考语义分割 Rethinking Semantic Segmentation from a Sequence-to-Sequence Perspective with Transformers 我们希望为语义分割方法提供另一种思路，将语义分割转变为序列到序列的预测任务。 在本文中，我们使用transformer（不使用卷积和降低分辨率）将图像编码为一系列patch序列。 transformer的每一层都进行了全局的上下文建模，结合常规的Decoder模块，我们得到了一个强大的语义分割模型，称之为Segmentation transformer（SETR）。大量实验表明，SETR在ADE20K（50.28％mIoU），Pascal Context（55.83％mIoU）上达到SOTA，并在Cityscapes上取得了较好结果。 https://www.zhuanzhi.ai/paper/679d8e44fd37dcea6218d8e287c11cae 专知便捷查看 便捷下载 ，请关注 专知 公众号（点击上方 蓝色 专知关注 ………………………………