语义分割之边缘准确率提升

接触了几篇关于提升边缘语义分割准确率的文章。

1. Boundary Guided Context Aggregation for Semantic Segmentation，
   这是一篇有监督的处理边界语义分割准确率的文章，其中包括一个语义分割网络；一个边缘处理网络和一个融合模块。损失函数共有四个，边缘处理网络和语义分割网络各一个；最后的有监督损失和边界感知损失。论文创新点可能就是最后的融合模块。
2. Unsupervised Domain Adaptation for Semantic Segmentation via Low-level Edge Information Transfer
   这是一篇无监督域自适应的文章，思想感觉和上一篇论文差不多，专门设计了一个边缘处理网络。但是后面作者用了一个判别器，生成目标域线条图，然后采用了一个循环一致损失，来处理目标域线条图，这个方法我觉得还是挺新颖的。
3. Shallow Features Guide Unsupervised Domain Adaptation for Semantic Segmentation at Class Boundaries
   这也是一篇无监督域自适应的文章，作者为低级特征里保存轮廓信息，直接在低级特征里做了一个有监督损失（目标域轮廓图是采用的canny算子算的）。然后又做了一个2D偏移图（文章里说了是怎么计算的，但是没太懂，也没有源码）。最后，融合卷积生成语义分割图。
   总结一下：因为轮廓图主要存在低级特征里，所以三篇文章都是在低级特征里面去寻找的创新点。后续是不是用一个统一的后处理方法（不训练）来提升边缘语义分割准确率呢？