【活动通知】SFFAI106×CRIPAC 语义分割专题

SFFAI 合作机构 CRIPAC 简介

智能感知与计算研究中心（www.cripac.ia.ac.cn）为中科院自动化研究所独立建制的科研部门，致力于研究泛在智能感知理论与技术以及与之相伴的海量感知数据的智能分析与处理。瞄准国际学科前沿，面向国家公共安全、智能产业发展等重大战略需求，着眼于基础理论创新与关键技术突破以及系统解决方案的研制，努力打造成为国际一流的研究中心，是集人才培养、技术创新、产业孵化为一体的创新平台。中心目前主要在多模态智能计算、生物识别与安全、生物启发的智能计算、智能感知基础理论四个方面展开科学研究。

会议内容

会议简介

低层次和高层次特征都在语义分割任务中发挥着重要的作用。现有的语义分割研究主要关注高层次特征的提取，例如通过各类注意力模型提取全局的上下文信息。然而，对低层次特征提取方式的研究工作相对较少。本期我们邀请到来自北京航空航天大学的祝澜耘，分享他在CVPR2021的一项工作，在语义分割任务中提取并利用低层次的纹理特征。

讲者介绍

祝澜耘，北京航空航天大学硕士一年级学生，主要研究方向为图像分割，目前已在CVPR等计算机视觉会议期刊上发表多篇论文。

会议题目

为语义分割任务学习统计化的纹理特征

会议摘要

这篇论文主要关注如何在语义分割任务中提取并利用低层次的纹理特征。本文首先提出了一个量化与计数模块（QCO），以统计的方式在深度神经网络中对纹理进行表征。随后，基于QCO，本文又进一步提出纹理增强模块和金字塔纹理特征提取模块，分别对纹理细节进行增强并从多尺度提取统计化的纹理特征。我们提出的模块在仅需增添较少计算量的情况下，有效地在多个语义分割数据集上改善效果。

论文标题：Learning Statistical Texture for Semantic Segmentation

论文下载：关注本公众号，对话框回复“SFFAI106”，获取下载

会议亮点

1、本文关注了语义分割任务中的低层次特征提取；

2、本文提出了一种新方法在神经网络中对统计化的纹理特征进行表征并利用；

3、本文提出的模块具有普适性，能扩展到多种模型结构与任务中。

直播时间

2021年5月16日（周日）20:00—21:00 线上直播

关注本公众号，对话框回复“SFFAI106”，获取入群二维码

注：直播地址会分享在交流群内

论文推荐

“SFFAI106期来自北京航空航天大学的祝澜耘推荐的文章主要关注于计算机视觉的图像分割领域，你可以认真阅读讲者推荐的论文，来与讲者及同行线上交流哦。”

关注文章公众号

回复"SFFAI106"获取本主题精选论文

01

推荐理由：语义分割经典论文，dilated convolution和aspp是当今语义分割研究常用的骨干网络与基线。

02

推荐理由：早期在深度神经网络中对纹理进行建模的一篇研究。

03

推荐理由：将EM算法与attention结构结合，传统方法与深度学习方法结合的典范。

04

推荐理由：非常实用的轻量级语义分割模型，其提出的特征结合方式简单且高效。

05

推荐理由：显式地学习边缘等浅层次特征，并使之与高层次特征产生交互。对高低层次特征融合的思考有较好的启发性。

06

推荐理由：利用拉普拉斯算子手工提取到的图像low level特征，引导网络浅层显式地学习特定的信息。

SFFAI招募！

现代科学技术高度社会化，在科学理论与技术方法上更加趋向综合与统一，为了满足人工智能不同领域研究者相互交流、彼此启发的需求，我们发起了SFFAI这个公益活动。SFFAI每周举行一期线下活动，邀请一线科研人员分享、讨论人工智能各个领域的前沿思想和最新成果，使专注于各个细分领域的研究者开拓视野、触类旁通。

SFFAI目前主要关注机器学习、计算机视觉、自然语言处理等各个人工智能垂直领域及交叉领域的前沿进展，将对线下讨论的内容进行线上传播，使后来者少踩坑，也为讲者塑造个人影响力。SFFAI还在构建人工智能领域的知识森林—AI Knowledge Forest，通过汇总各位参与者贡献的领域知识，沉淀线下分享的前沿精华，使AI Knowledge Tree枝繁叶茂，为人工智能社区做出贡献，欢迎大家关注SFFAI论坛：https://bbs.sffai.com。

SFFAI历史活动

更多SFFAI历史活动

请点击文章底部“阅读原文”查看

分享、点赞、在看，给个三连击呗！