圖像分割「Not All Pixels Are Equal: Difficulty-Aware Semantic Segmentation via Deep Layer Cascade」

提出層級聯（LC）提升語義分割的準確率和速度，將深度模型改爲幾個子模型的級聯，初級子模型處理容易或置信度較高的區域，之後將較難的區域前向傳播到下一級自模型處理。卷積僅在特定區域上計算，降低了計算量。 優點： 1. 淺層處理較易區域，深層處理較難區域，自適應學習提升性能； 2. LC的訓練和測試時間都有提升； 3. 端到端的訓練結構，所有子模型聯合訓練。 與V&J級聯思路不同，層級聯拒絕置信度較高的

>>阅读原文<<