轻量级高精度分割网络推荐

最新推荐文章于 2022-08-23 00:01:09 发布
最新推荐文章于 2022-08-23 00:01:09 发布
阅读量2.6k 收藏 2
点赞数
分类专栏： 深度学习宝典 文章标签： 计算机视觉 python pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jacke121/article/details/117114829
版权
AttaNet是一种轻量级的语义分割网络，它由条状注意力模块(SAM)和注意力融合模块(AFM)组成，适用于实时场景。网络设计采用VGG式结构，结合AFM和SAM实现快速且准确的分割。文章对比了ICnet和LiteSeg，并介绍了AttaNet的创新点，包括其适应性强、能在不同backbone上实现速度与精度的平衡。
摘要由CSDN通过智能技术生成

AttaNet

语义分割，attanet，AAAI2021
Code：GitHub - songqi-github/AttaNet: AttaNet for real-time semantic segmentation.
论文：https://arxiv.org/abs/2103.05930

有轻量级版，

速度挺快的，基本能达到3ms。

AttaNet主要由两个模块组成:条状注意力模块(SAM)和注意力融合模块(AFM)。对低精度分割任务图像的观察得出，垂直条带面积明显大于水平条带面积，SAM利用条带化操作，在保留大部分上下文信息的同时，大幅降低了垂直方向全局上下文编码的复杂性，与非极大值方法相比。AFM采用跨层次聚合策略限制计算量，融合时采用注意策略对每个像素的不同层次特征的重要性进行加权，获得高效的多层次表示。我们在两个

了解本专栏 订阅专栏 解锁全文 超级会员免费看
AI算法网奇
关注
专栏目录
订阅专栏
轻量级分割网络总结
jacke121的专栏
04-23 3583
人脸分割BiseNetV2 模型30多m tf的，cpu版时间80ms，人脸抠图，有的不是特别准。 https://github.com/xuigo/Face_Parsing_BiseNetV2
图像分割：FDDWNET：一种轻量级的分割网络
Wisley的读书笔记分享
12-22 3174
FDDWNET: A LIGHTWEIGHT CONVOLUTIONAL NEURAL NETWORK FOR REAL-TIME SEMANTIC SEGMENTATION 发表时间：2019.11.07 作者团队：南京有点大学 论文连接:FDDWNET: A LIGHTWEIGHT CONVOLUTIONAL NEURAL NETWORK FOR REAL-TIME SEMANTIC SEGM...
检测、分割用什么轻量级网络呢？
小白学视觉
03-04 560
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达由于深度学习的关系，计算机视觉领域发展迅速，各大榜单精度刷的很高，但是这些性能强大的模型却没有用武之地，在现实场景下，...
(ICIP2019)图像语义分割(23) LEDNet-用于实时语义分割的轻量级编解码网络
kevin_zhao_zl的博客
09-10 2702
论文提出用于实时语义分割的轻量级网络分割LEDNet，采用非对称编解码结构，编码模块采用带有通道分离和混洗的残差层，解码模块设计了APN模块减少计算开支，整个网络可以端到端训练。实验结果表明LEDNet在CityScapes上缺德了最好的速度与精度的权衡。
分割网络-ExtremeC3Net（轻量级）
sinat_16423171的博客
05-24 1114
《ExtremeC3Net: Extreme Lightweight Portrait Segmentation Networks using Advanced C3-modules》 时间：20190812 作者团队：首尔大学&Clova AI 1. 摘要 人像分割任务作为许多任务的一个中间阶段，对实时性要求极高，并且当前缺乏大规模的人像分割数据集，为此论文提出ExtremeC3Net模型和用于进行数据扩充的简单方法。ExtremeC3Net基于改进的C3模块，能够实现精度较高速度极快的人像
轻量级实时分割网络RegSeg的完全解析
qq_50489856的博客
04-18 6139
@article{gao2021rethink, title={Rethink Dilated Convolution for Real-time Semantic Segmentation}, author={Gao, Roland}, journal={arXiv preprint arXiv:2111.09957}, year={2021} } 源码 paper 废话不多说，开局一张图看性能
高精度轻量级图像分割SOTA模型PP-LiteSeg开源
百度大脑
04-29 1937
图像分割技术在医疗病灶分析、自动驾驶车道线分割、绿幕人像抠图等领域发挥着举足轻重的作用。相比目标检测、图像分类等技术，图像分割需要将每个像素点进行分类，在精细的图像识别任务中不可替代。 图1 图像分割应用 正因如此，DeepLabv3、OCRNet、BiseNetv2、Fast-SCNN 等优秀算法层出不穷，然而在实际产业落地过程中往往需要综合考虑硬件性能、精度等多方面因素，对算法的需求也是苛刻的。往往业界算法在保障高识别精度的情况下，就会牺牲算法运行速度；反之追求速度，则会带来精度的大幅度
基于深度学习的轻量级道路图像语义分割算法.pdf
08-18
为了解决这一问题，研究者们致力于开发轻量级神经网络，旨在保持分割精度的同时减少模型的大小和计算量。 在提到的这篇论文中，作者们提出了一个轻量级的对称U型编码器-解码器式网络（MUNet），该网络运用了深度可...
轻量级实时语义分割：ENet & ERFNet
追
09-06 2643
ENet: A Deep Neural Network Architecture for Real-Time Semantic SegmentationENet问题网络架构设计原因ERFNet网络架构 本篇博客目的在于分析5年内的实时性语义分割论文。 ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation是CVPR2016提出的一篇实时性语义分割的论文。 ENet 问题 目前已有的几种语义分割网络如SegNet
Python-CGNet一种用于语义分割的轻量级上下文引导网络
08-11
CGNet: 一种用于语义分割的轻量级上下文引导网络
图像处理中的图像分割grabcut算法，经试验可以达到很高的精确度，比较难，值得研究
11-12
图像处理中的图像分割grabcut算法，经试验可以达到很高的精确度，比较难，值得研究-Image Processing Image Segmentation grabcut algorithm, the test may be achieving a high degree of accuracy, more difficult, is worth studying
CGNet 一种上下文指导的轻量级分割网路
weixin_42565571的博客
03-01 1122
论文提出问题：以前的分割网络对于移动端设备，精度高的分割网络参数太多，而小网络的设计还遵循着分类网络（的设计），忽略了内在的（更深层的）语义信息。 文中提出方法：context guide block（CG） ，优势是可以学习位置特征和环绕特征。 CG block的特点： 可以学习一个像素点和它周围环绕的点的关系，这包含了很多周边环境信息。 利用全局上下文信息提高相邻的点的特征。全局上下文是为了...
轻量级实时分割经典BiSeNet
juluwangriyue的博客
06-02 1750
经典之作：BiseNet 论文地址：https://arxiv.org/abs/1808.00897.pdf 代码地址：https://github.com/CoinCheung/BiSeNet 本文对之前的实时性语义分割算法进行了总结，发现当前主要有三种加速方法： 1）通过剪裁或 resize 来限定输入大小，以降低计算复杂度。尽管这种方法简单而有效，空间细节的损失还是让预测打了折扣，尤其是边界部分，导致度量和可视化的精度下降； 2）通过减少网络通道数量加快处理速度，尤其是在骨干模型的早期阶段，但是这会弱
南开大学开源新图像分割算法，刷新精度记录 | 资源
量子位
10-29 1868
铜灵 编译整理量子位 出品 | 公众号 QbitAI最近，南开大学提出一种边缘检测和图像分割算法，被称为首个在图像分割数据集BSDS500上F值（F-Feature）超越...
高质量的超高分辨率图像分割（论文简读）
如果想成为中心，那么就到中心去吧。
05-08 3488
code: https://github.com/dvlab-research/Entity 文章目录1 abstract2 Introduction3 Proposed Method3.1 General Framework3.2 Continuous Alignment Module3.3 Implicit Function in CRM3.4 Training and Inference Strategy 1 abstract 分割4K或6K超高分辨率图像在图像分割中需要额外的计算。常见的策略，如降
分割网络
weixin_42140919的博客
04-15 319
分割比较经典的网络有unet系列的端对端模型，还有maskrcnn系列。选用哪个根据项目的实际情况而定。一般而言。如果样本量比较少，一般用maskrcnn比较合适。 instance segmentation参考的资料： https://www.dlology.com/blog/how-to-create-custom-coco-data-set-for-instance-segmentati...
【OpenPCDet】PointRCNN前景点分割网络精度测试
Freak16的博客
08-23 717
对PointRCNN第一阶段的前景点网络分割细节和精度比较好奇，PointRCNN在第一阶段只是对每个点预测前景背景还是预测了具体的物体类别（是后者），所以写了个简单的精度测试函数。
高精度轻量级实时语义分割网络：2K视频分割可达24.3GFLOPS和36.5FPS
3D视觉工坊
01-13 1791
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达每天一分钟，带你读遍机器人顶级会议文章标题：Segmenting 2K-Videos at 36.5 FPS with 24.3 G...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值