摘要
我们提出了一种为深度卷积网络添加全局上下文的技术，用于语义分割。该方法简单易行，通过使用某一层的平均特征来增强每个位置的特征。此外，我们研究了训练过程中的几个特性，显著提高了基线网络（如全卷积网络（FCN））的性能。当我们加入所提出的全局特征以及一种学习归一化参数的技术时，即使在改进后的基线版本上，准确率也得到了一致的提升。我们提出的ParseNet方法，在SiftFlow和PASCAL-Context数据集上以较小的计算成本超越了基线网络，达到了当前最佳性能；而在PASCAL VOC 2012语义分割任务中，也接近了当前的最佳水平。代码可在https://github.com/weiliu89/caffe/tree/fcn 获取。