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

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。

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