会议：CVPR 2019
作者：石恒粲，李宏亮，吴庆波，宋子成
论文简介：
场景解析是计算机视觉领域的一项具有挑战性的任务，可表述为像素分类问题。现有的基于深度学习的方法通常使用一个通用分类器来识别所有物体类别。然而，通用分类器在处理一些具有相似外观或语义的混淆类别时很容易出错。该论文提出了一种集成分类模型和基于方差的正则化方法，以实现更准确的分类。一方面，综合分类模型包含多个分类器，不仅有一般分类器，还有细化分类器来区分易混淆的类别。另一方面，基于方差的正则化尽可能大地区分所有类别的得分，以减少误分类。具体来说，综合分类模型包括三个步骤。第一步是提取每个像素的特征。第二步是根据特征对每个像素进行分类，得出初步分类结果。第三步，该论文利用细化分类器来细化分类结果，重点是区分高初步分数的类别。该论文使用基于方差正则化的综合损失来训练模型。在三个常见场景解析数据集上的广泛实验证明了所提方法的有效性。
