摘要

近期在语义分割领域的进展主要得益于在全卷积网络（FCNs）中提高空间分辨率。为了解决这一问题，我们提出了一种堆叠反卷积网络（Stacked Deconvolutional Network, SDN）用于语义分割。在SDN中，多个浅层反卷积网络（称为SDN单元）依次堆叠，以整合上下文信息并确保定位信息的精细恢复。同时，设计了单元间和单元内的连接，以辅助网络训练并增强特征融合，因为这些连接改善了整个网络中的信息流和梯度传播。此外，在每个SDN单元的上采样过程中应用了层次监督，这保证了特征表示的区分性，并有助于网络优化。我们进行了全面的实验，在包括PASCAL VOC 2012、CamVid和GATECH在内的三个数据集上取得了最新的最先进结果。特别是，我们的最佳模型在没有条件随机场（CRF）后处理的情况下，在测试集上达到了86.6%的交并比得分。