论文阅读: 1904.DFANet

1904.02216：DFANet: Deep Feature Aggregation for Real-Time Semantic Segmentation

创新点

• 特征聚合：
  • 将子网络、子层级的有区分力的特征分别进行聚合。
  • 尺度间的特征聚合包含两个阶段：
    • 首先，将从 backbone 中抽取得到的高层特征重复利用，来解决语义信息和结构细节的gap。
    • 其次，将网络的处理过程的不同阶段所获得的特征进行组合，来提高特征的表达能力。
    • 

性能

• 实际上这种网络因为结构太复杂，并不能实时（好多论文都写得real-time，有几个能真的real-time的。。）。

---

• 感知算法论文（七）：DFANet: Deep Feature Aggregation for Real-Time Semantic Segmentation（2019）
• 【论文阅读笔记】DFANet: Deep Feature Aggregation for Real-Time Semantic Segmentation