SCN：用于RGB-D图像语义分割的可切换上下文网络

摘要： 上下文表征已广泛应用于提升语义图像分割效果。深度数据的出现为构建更具判别力的上下文表征提供了额外信息。深度数据能保留场景中物体的几何关系，而这种关系通常难以从RGB图像中推断。尽管深度卷积神经网络(CNN)在解决语义分割问题上已取得成功，但我们面临如何利用深度数据中有价值的上下文信息来优化CNN训练以提升分割精度的问题。本文提出一种新型可切换上下文网络(SCN)来实现RGB-D图像的语义分割。深度数据用于识别存在于多个图像区域中的物体，该网络通过分析各图像区域信息来识别不同特征，再通过切换网络分支进行选择性利用?；诖油枷窆逃薪峁怪刑崛〉哪谌?，我们能够生成同时感知图像结构和物体关系的有效上下文表征，从而实现语义分割网络更连贯的学习。实验证明，我们的SCN在两个公开数据集上均优于现有最优方法。