ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation

最新推荐文章于 2023-08-26 20:24:41 发布
最新推荐文章于 2023-08-26 20:24:41 发布
阅读量606 收藏 2
点赞数
分类专栏： 机器学习 文章标签： ENET 语义分割
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/m0_37910705/article/details/99714639
版权

Abstract

在移动应用中，实时执行像素级语义分割的能力是至关重要的.针对这一任务的最近的深层神经网络存在着重复使用的缺点。深度神经网络有大量浮点操作，且运行时间长，阻碍了它们的可用性.本文提出了一种新的深层神经网络体系结构-高效神经网络(ENET)。相比于现有的模型，在速度加快了18×倍，浮点计算量上减少了75×，参数减少了79×，且有相似的精度。ENet在CamVid, Cityscapes and SUN datasets做了相关对比测试。

之前看的几篇论文FCN 、SegNet、DeconvNet，模型都基于VGG架构，参数多，虽然SegNet参数较少但是依然不足以在移动设备上使用。自从深度学习用于语义分割，体系结构基本都是Encoder-Decoder，E-net也不例外。本文的新奇架构在于设计的 initial block和 bottleneck module

Architecture

如下图所示，初始化阶段只有图2所示的初始化模块,stage 1~3是编码阶段，stage 4~5属于解码阶段。stage 1包括5个bottleneck模块，stage 2和stage3包括相同的结构，但是stage3没有下采样。
在这里插入图片描述
上图是论文给出的完整架构，依然是encoder-decoder，作者提出了一个新奇的看法：网络的初始层不应该直接面向分类做贡献，而且尽可能的提

最低0.47元/天 解锁文章
深度学习论文: ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation及其PyTorch实现
mingo_敏
10-22 1470
ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation PDF:https://arxiv.org/abs/1606.02147.pdf PyTorch: https://github.com/shanglianlm0525/PyTorch-Networks 2-1 ENet initial block 2-2 ENet bottleneck module
DFAnet：Deep Feature Aggregation for Real-time Semantic Segmentation自己翻译的
qq_35495665的博客
10-23 1523
DFAnet：Deep Feature Aggregation for Real-time Semantic Segmentation Abstract 一、从单一的轻量级主干出发，通过子网络和子级连接分别聚合识别特征 二、基于多尺度特征传播，DFANet极大的减少了参数数量，同时保持了有效的感受野，并且增强了模型的学习能力 三、在数据集Cityscapes 和 CamVid 进行测试，与stat...
论文阅读：ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation
漩涡小林的博客
02-17 1628
文章目录1 摘要2 亮点2.1 initial模块和bottlebeck模块2.1.1 initial模块2.1.2 bottlebeck模块2.2 PReLU2.3 普通卷积、非对称卷积、空洞卷积混合使用2.4 ENet总体结构3 效果4 结论5 参考资料 1 摘要 语义分割的落地（应用于嵌入式设备如手机、可穿戴设备等低功耗移动设备）是一个很重要的问题，而最近提出的网络中，虽然有着较高的准确率，...
ENet: A deep neural network architecture for real-time semantic segmentation
liguandong
03-15 1189
ENet: A deep neural network architecture for real-time semantic segmentation Abstract: 18x faster,75x less flops,79x less param 卷积Param: 0.37m 模型参数： 0.7m 卷积参数和模型参数是不一样的 1.Introduction 为了减少内核...
ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation----2016年 论文翻译解读
chenbo的博客
12-07 1131
ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation Abstract 在移动应用程序中，实时执行像素级语义分割的能力至关重要。 针对该任务的最新...
【论文阅读笔记】ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation
最新发布
qq_44653420的博客
08-26 304
【论文阅读笔记】ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation
【阅读笔记】《ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation》
ShuqiaoS的博客
04-17 2460
本文记录了博主阅读论文《ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation》的笔记，代码。更新于2019.04.16。
【那些年我们一起看过的论文】之《ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation》
紫金马克的博客
03-28 7496
/* 天下武功，唯快不破。要想在移动终端或者嵌入式系统上应用，小巧高速是很重要的。ENet在追求高效率的同时兼顾了精度，站在巨人的肩膀上，综合了很多特色的网络结构，并在输入端首先加以压缩达到加速的目的。论文很好直观易懂，称述很坦诚，代码也非常清晰，nice! */在移动设备上，语义分割的实时性非常重要，近期的很多深度神经网络都要求大量的浮点操作且非常耗时，因此本文专门设计了一种高效率的神经网络E
《ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation》论文笔记
m_buddy的博客
06-09 661
1. 概述 导读：一般的分割网络需要大量的浮点运算以及较长的运算时间，这个妨碍了其在实时要求较高场合的使用，这篇文章提出了基于编解码器结构的实时分割网络ENT（Efficient Neural Network）。虽然采用的结构是编解码器的结构但是在一些细节的地方做了改进，这些改进有的是为了提升运行的速度或减少运行的资源消耗，比如，对图像输入的stage修改（文中说法为：Early downsam...
Enet_V5.0_非编_用户手册
07-30
Enet_V5.0_非编_用户手册 从狭义上讲，非线性编辑是指剪切、复制和粘贴素材无须在存储介质上重新安排它们。从广义上讲，非线性编辑是指在用计算机编辑视频的同时，还能实现诸多的处理效果，例如特技等等。
READING NOTE: ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation
joshua_1988
08-23 2829
TITLE: ENet A Deep Neural Network Architecture for Real-Time Semantic Segmentation
【图像分割论文阅读】ENet：A Deep Neural Network Architecture for Real-Time Semantic Segmentation
Ray
05-27 1046
本文作者分别来自波兰华沙大学和美国普渡大学。首发于arXiv.org，后于2017年发表于2017ICLR. 论文地址:ENet：A Deep Neural Network Architecture for Real-Time Semantic Segmentation 背景 近年深度神经网络在计算机视觉领域发展迅猛，特别是图像分类等领域。但是大多数神经网络仍受限于计算量、存储空间、运算速...
论文笔记——ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation
baidu_41902768的博客
12-13 707
论文地址。 相比 SegNet、FCN 等以 VGG 作为特征识别部分的网络，作者提出了一个更加轻量级、运算量和参数量都较小的网络，来提高语义分割在实际使用中的推断时间和减轻对设备的要求。网络的名字叫做 ENet，即 efficient neural network。 网络结构 在了解网络结构之前，通常都是看看网络的组成单元 block。EN...
Semantic Segmentation--ENet:A Deep Neural Network Architecture for Real-Time Semantic..论文解读
DFan的NoteBook
01-02 5450
ENetENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation原文地址：ENet代码: Introduction Caffe TensorFlow Keras 效果图：Abstract许多移动应用需要实时语义分割(Real-time Semantic Segmentation)模型,现有的深度神经网络难
Semantic Segmentation--ICNet for Real-Time Semantic Segmentation on High-Resolution Images论文解读
DFan的NoteBook
01-08 9262
ICNet ICNet for Real-Time Semantic Segmentation on High-Resolution Images 原文地址：ICNet 代码: github-Caffe TensorFlow Abstract ICNet是一个基于PSPNet的实时语义分割网络，设计目的是减少PSPNet推断时期的耗时，论文对PSPNet做了深入分析，在PS
Benchmark Analysis of Representative Deep Neural Network Architecture论文笔记
qq_38410428的博客
09-19 590
论文地址：Benchmark Analysis of Representative Deep Neural Network Architecture 一 为什么读这篇 蛙神推荐的，对截止2018年10月出现的各种经典CNN网络的一个测评，算是比较新的一篇综述，通过阅读这篇，搞清楚CNN最新的发展脉络。 二 截止阅读时这篇论文的引用次数 0次。毕竟10月才出的。。 三 相关背景介绍 来自意大利和法国...
每周一篇 文献阅读—pape8 （实时语义分割MSFNet）
XX|XX的博客
11-25 724
Real-Time Semantic Segmentation via Multiply Spatial Fusion Network主要方法介绍实验结果 文章链接：https://arxiv.org/pdf/1712.00213.pdf 主要方法介绍 文章主要贡献： 提出了一个多特征融合模块(MFM)，该模块使用设计好的空间感知池化SAP来扩大感受野，并且在保持较小的计算成本的同时恢复丢失的空...
道路场景语音分割相关的文献和代码能给我些吗
07-14
当然可以！以下是一些关于道路场景语义分割的研究文献和相关代码资源： 文献： 1. Xiaozhi Chen et al. "Semantic Deep Learning for Advanced Driver Assistance Systems: A Survey." IEEE Transactions on Intelligent Transportation Systems, 2017. [论文链接](https://ieeexplore.ieee.org/abstract/document/7560367) 2. Marc Aubreville et al. "Semantic Segmentation of Road Scenes: A Review." IEEE Intelligent Transportation Systems Magazine, 2018. [论文链接](https://ieeexplore.ieee.org/abstract/document/8533806) 3. Seong-Gyun Jeong et al. "Road Scene Segmentation Using Deep Neural Networks with Pixel-Level Classifiers." Sensors, 2019. [论文链接](https://www.mdpi.com/1424-8220/19/24/5518) 4. Chen-Yu Lee et al. "ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation." CVPR 2018. [论文链接](https://arxiv.org/abs/1606.02147) 代码： 1. MIT Scene Parsing Benchmark: 提供了多种语义分割模型的代码实现和预训练模型，包括FCN、DeepLab等。[GitHub链接](https://github.com/CSAILVision/semantic-segmentation) 2. SegNet: 以Caffe为基础实现的SegNet模型，用于语义分割任务。[GitHub链接](https://github.com/alexgkendall/caffe-segnet) 3. ESPNet: 基于PyTorch实现的轻量级语义分割模型ESPNet。[GitHub链接](https://github.com/sacmehta/ESPNet) 请注意，这些资源提供了一些经典的语义分割模型和实现，但始终建议根据你的具体需求进行选择和进一步的调整。 希望这些资源能对你的研究有所帮助！如有其他问题，请随时提问。
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
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