Hi-Fi : Intégration Hiérarchique des Caractéristiques pour la Détection de Squelette

Dans les images naturelles, l'échelle (l'épaisseur) des squelettes d'objets peut varier considérablement entre les objets et leurs parties, ce qui rend la détection de squelettes d'objets un problème complexe. Nous présentons une nouvelle architecture de réseau neuronal convolutif (CNN) en introduisant un mécanisme innovant d'intégration hiérarchique des caractéristiques, nommé Hi-Fi, pour résoudre le problème de détection de squelettes. L'approche proposée basée sur CNN dispose d'une capacité puissante d'intégration multi-échelle des caractéristiques, qui capture intrinsèquement les sémantiques de haut niveau des couches plus profondes ainsi que les détails de bas niveau des couches plus superficielles.En intégrant hiérarchiquement différents niveaux de caractéristiques du CNN avec une guidance bidirectionnelle, notre méthode (1) permet une amélioration mutuelle entre les caractéristiques de différents niveaux, et (2) possède une forte capacité à capturer à la fois un contexte riche des objets et des détails à haute résolution. Les résultats expérimentaux montrent que notre méthode surpasse significativement les méthodes de pointe en termes d'efficacité dans la fusion des caractéristiques provenant d'échelles très différentes, comme en témoigne une amélioration notable des performances sur plusieurs benchmarks.