实时分割算法常用思想

已于 2022-07-20 18:26:41 修改
阅读量241 收藏 1
点赞数
分类专栏： 深度学习 文章标签： 深度学习 cnn 人工智能
于 2022-07-20 18:25:31 首次发布
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_45447650/article/details/125898134
版权

目录

1.替换主网络

2.减少通道数

3.减少卷积层

4.将卷积层替换为组卷积层或其他能减少计算量的卷积操作

5.增加前期数据处理

6.减少复杂的融合方式

7.避免使用全连接

1.替换主网络

将参数量较大的网络替换为参数量小的网络。

如：Resnet101或Resnet50→Resnet34或Resnet18

2.减少通道数

避免出现2048、1024这样过多的通道数。

3.减少卷积层

4.将卷积层替换为组卷积层或其他能减少计算量的卷积操作

即替换为更轻量的卷积。

具体参考：卷积核的类型及其作用

5.增加前期数据处理

根据数据集进行预处理（不同数据集处理方式不同）

6.减少复杂的融合方式

\bigodot、\bigotimes、\bigoplus（concat、add）

eg：DANet

7.避免使用全连接

参数量大，对结果也无大益

Billie使劲学
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
汇总|实时性语义分割算法
爱CV
10-24 327
1. pspnet # https://github.com/manideep2510/eye-in-the-sky/blob/master/PSPNet/pspnet.py import PIL from PIL import Image import matplotlib.pyplot as plt from libtiff import TIFF from libtiff import TIFFfile, TIFFimage from scipy.misc import imresize impo
速度超Mask RCNN四倍，仅在单个GPU训练的实时实例分割算法 | 技术头条
AI科技大本营
06-10 5333
作者 | Daniel Bolya Chong Zhou Fanyi Xiao Yong Jae Lee 译者 | 刘畅 责编 | Jane 出品 | AI科技大本营（id：rgznai100） 【导读】在论文《YOLACT：Real-time Instance Segmentation》中，作者提出了一种简洁的实时实例分割全卷积模型，仅使用单个 Titan Xp，以 33...
Deep Snake : 基于轮廓调整的SOTA实例分割方法，速度32.3fps | CVPR 2020
晓飞的算法工程笔记
03-26 5136
论文提出基于轮廓的实例分割方法Deep snake，轮廓调整是个很不错的方向，引入循环卷积，不仅提升了性能还减少了计算量，保持了实时性，但是Deep snake的大体结构不够优雅，应该还有一些工作可以补，推荐大家阅读   来源：晓飞的算法工程笔记 公众号 论文: Deep Snake for Real-Time Instance Segmentation 论文地址：https://arxi...
实时分割网络-ENet
shengweiit的博客
04-24 1071
背景介绍：实时执行像素级语义分割的能力在移动应用程序中至关重要，最近的DCNN网络的缺点在于需要大量浮点运算，运行时间长，阻碍了语义分割的可用性算法组成：提出了ENet，专门针对需要低延迟操作的任务文章亮点：ENet与现存模型相比，速度提升了18倍，FLOPs减少了75倍，参数减少了79倍，并能保证不错的准确度模型评估：在CamVid、Cityscapes和SUM RGBD数据集均取得了不错的成绩。
实时分割网络（持续更新）
ZRX_GIS
12-04 4518
实时性本质：牺牲精度换取效率 问题1：实时与经典分割算法区别 （1）为什么提出实时性？ 目前在深度学习领域,算法设计可分为两个派别 一派为学院派,研究强大复杂的模型网络和实验方法,为了追求更高的性能;另一派为工程派,旨在将算法更稳定高效的落地在硬件平台上,效率是其追求的目标复杂的模型固然具有更好的性能,但是高额的存储空间计算资源消耗是使其难以有效的应用在各硬件平台上的重要原因。（学院派以论文为导向，工程派以生产为导向） （2）经典分割与实时分割 经典分割代表算法 ：FCN、U-Net、DeepLab系列、R
图像分割算法综述论文解读
04-21
常用的图像分割算法有很多，本文主要介绍以下五种算法进行简单分析： 1. 阈值分割方法：阈值分割是基于区域的分割算法之一。其本质是根据一定的准则自动确定最优阈值，并根据灰度利用这些像素来实现聚类。 阈值...
图像分割算法
01-22
在本案例中，我们关注的是模糊C均值（Fuzzy C-Means, FCM）聚类图像分割算法，这是一种在图像分析中广泛使用的非刚性分割方法。该算法通过模糊逻辑来处理像素的归属问题，允许像素同时属于多个类别，而不是像传统的K...
分水岭分割算法
04-19
在图像处理中，分水岭分割算法是一种常用的图像分割方法，广泛应用于计算机视觉、图像识别、机器学习等领域。 此外，分水岭分割算法还有一些变体，例如基于区域生长的分水岭分割算法、基于模型的分水岭分割算法等。...
基于MATLAB的图像分割算法研究.doc
03-22
基于MATLAB的图像分割算法研究 在数字图像处理领域，图像分割...MATLAB是图像处理和分析的常用工具，能够方便地实现图像分割算法。本文对经典的图像分割方法进行了分析和比较，为图像分割算法的研究和应用提供了参考。
一种交互式图像分割算法
12-18
在给定的标题“一种交互式图像分割算法”中，我们可以推测这是一种让用户参与的、以区域生长为基础的图像处理方法。 区域生长算法是图像分割中的经典技术，它的基本思想是从种子点开始，根据预设的相似性准则（如...
基于MATLAB的图像分割算法研究样本.doc
12-18
基于MATLAB的图像分割算法研究样本 本文对典型图像分割方法进行了分析，包括边沿检测、阈值分割技术和区域增长等。下面是本文中所涉及到的知识点： 1. 边沿检测算法：边沿检测是图像分割的重要步骤，本文分析了...
segmentation_picture（分水岭分割算法）
11-13
**分水岭分割算法**是一种图像分割方法，源自地理学中的分水岭概念。在图像处理领域，它被广泛应用于复杂结构的边界检测和分割，特别是在医学图像分析、遥感图像处理以及生物图像分析等领域。这个算法的核心思想是将...
otsu阈值分割算法.doc
最新发布
10-21
Otsu阈值分割算法是一种常用的图像分割算法，它的主要思想是通过计算类间方差来找到最优阈值，从而把原图像分为前景色和背景色两部分。下面是Otsu算法的详细讲解： 一、算法原理 Otsu算法的基本思想是通过计算类间...
meanshift图像分割算法
11-13
**Meanshift 图像分割算法详解** Meanshift 是一种非参数的、迭代的聚类方法，常用于图像处理和计算机视觉领域，特别是在图像分割任务中。它通过寻找数据点的密度峰值来实现聚类，能够自动识别图像中的物体或区域。...
水滴算法分割验证码
07-06
水滴算法的基本思想是模拟水滴下落过程，通过“水滴”在图像上流动来分离字符。这种算法主要分为以下几个步骤： 1. **初始化**：首先，创建一个与原图像大小相同的空矩阵作为“水面”，并将所有字符视为待分离的...
轻量化实时语义分割LiteSeg——从算法原理到模型训练与部署
知来者逆的博客
05-04 8058
1.语义分割可用于代替传统算法的边缘检测，图像分割，多应用于自动驾驶、文档处理，工业缺陷检测等领域。 2.LiteSeg是一种实时的轻量级的语义分割网络，为了在 移动端上能有更快的速度和更好的效果，在论文的基础上做了算法优化。 2.博客详细的记录了LiteSeg这个网络从论文复现到优化模型、训练模型、模型部署推理的步骤与代码实现。
实时语义分割
weixin_45912366的博客
10-26 2192
实时语义分割
LEDNET 实时分割
jacke121的专栏
06-23 3329
有预训练： https://github.com/xiaoyufenfei/LEDNet 这个也有： https://github.com/AceCoooool/LEDNet 这个需要自己找找看： https://github.com/Tramac/awesome-semantic-segmentation-pytorch 只有网络结构； https://github.c...
实时语义分割之ICNet
年轻即出发，
09-18 1234
论文：ICNet for Real-Time Semantic Segmentation on High-Resolution Images 官网：https://hszhao.github.io/projects/icnet/ Github: https://github.com/hszhao/ICNet ICNet即图片级联网络（image cascade network），...
MATLAB图像分割算法研究及比较分析
在图像分割技术的研究中，边缘检测、阈值分割和区域增长是常用的方法。边缘检测是通过检测图像中像素值的不连续性来确定物体的边缘，而阈值分割则是根据像素的灰度值将图像划分为不同的区域，区域增长则是通过将相似...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

Billie使劲学

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