Skip to content

Latest commit

 

History

History
27 lines (23 loc) · 1.59 KB

SemanticConnectivityLoss_cn.md

File metadata and controls

27 lines (23 loc) · 1.59 KB

简体中文 | English

SCL(Semantic Connectivity-aware Learning)框架,它引入了SC Loss (Semantic Connectivity-aware Loss),从连通性的角度提升分割结果的质量。支持多类别分割。

论文信息: Lutao Chu, Yi Liu, Zewu Wu, Shiyu Tang, Guowei Chen, Yuying Hao, Juncai Peng, Zhiliang Yu, Zeyu Chen, Baohua Lai, Haoyi Xiong. "PP-HumanSeg: Connectivity-Aware Portrait Segmentation with a Large-Scale Teleconferencing Video Dataset" In WACV 2022 workshop https://arxiv.org/abs/2112.07146

执行步骤: 步骤1,连通域计算 步骤2,连通域匹配与SC Loss计算

class paddleseg.models.losses.SemanticConnectivityLoss(
            ignore_index = 255,
            max_pred_num_conn = 10,
            use_argmax = True
)

语义连通性学习(SCL) 使用指南

参数

  • ignore_index (int): 指定一个在标注图中要忽略的像素值,其对输入梯度不产生贡献。当标注图中存在无法标注(或很难标注)的像素时,可以将其标注为某特定灰度值。在计算损失值时,其与原图像对应位置的像素将不作为损失函数的自变量。 默认:255
  • max_pred_num_conn (int): 预测连通域的最大数量。在训练开始时,往往存在大量连通域,导致计算非常耗时。因此,有必要限制预测连通域的最大数量,超出最大数量的连通域将不参与计算。
  • use_argmax (bool): 是否对logits进行argmax操作。