摘要

场景解析在开放词汇且场景多样化的无限制环境下极具挑战性。本文通过提出金字塔场景解析网络（PSPNet），结合基于多区域的上下文聚合机制，利用金字塔池化模块挖掘全局上下文信息，充分发挥其优势。所提出的全局先验表示方法在场景解析任务中表现出色，能够生成高质量的分割结果；而PSPNet则为像素级预测任务提供了一个优越的框架。该方法在多个公开数据集上均取得了当前最优性能，在2016年ImageNet场景解析挑战赛、PASCAL VOC 2012基准测试以及Cityscapes基准测试中均获得第一名。仅使用单一PSPNet模型，就在PASCAL VOC 2012上取得了85.4%的mIoU（平均交并比）新纪录，在Cityscapes上达到了80.2%的准确率新纪录。