Scene Parsing through ADE20K Dataset
CVPR2017
https://github.com/CSAILVision/sceneparsing
http://sceneparsing.csail.mit.edu/
MIT 搞的一个 场景解析数据库 ADE20K，可以在这上面测测自己算法的效果。
在这个数据库上我们跑了一些分割模型，在此基础上我们提出了一个 Cascade Segmentation Module，提升分割效果。
首先来看看 ADE20K 这个数据库。为什么搞了一个新数据库了？场景的种类更丰富，标记内容更详细
covering a wide range of scenes and object categories with dense and detailed annotations for scene parsing
人工标记的一致性问题：
几个主流语义分割数据库的对比：
Dataset statistics：
3 Cascade Segmentation Module
handle the long-tail distribution of objects in scenes and the spatial layout relations of scenes, objects, and object parts
本文根据分析数据库的长尾分布，提出使用 Cascade Segmentation Module 可以更好的提升分割效果
模型网络结构图：
方法效果对比：
在语义分割中引入 Cascade 还是很好的。