摘要
场景解析对于不受限制的开放词汇和多样化的场景来说是一项具有挑战性的任务。在本文中，我们通过金字塔池化模块（Pyramid Pooling Module）对不同区域进行上下文聚合，从而利用全局上下文信息的能力，并提出了金字塔场景解析网络（PSPNet）。我们的全局先验表示在场景解析任务中能够产生高质量的结果，而PSPNet为像素级预测任务提供了一个优越的框架。所提出的方法在多个数据集上实现了最先进的性能。该方法在2016年ImageNet场景解析挑战赛、PASCAL VOC 2012基准测试和Cityscapes基准测试中均取得了第一名的成绩。单个PSPNet在PASCAL VOC 2012上的mIoU准确率达到了85.4%，在Cityscapes上的准确率达到了80.2%。