WACV2021|RGPNET: A REAL-TIME GENERAL PURPOSE SEMANTIC SEGMENTATION
RGPNet:一种实时的通用语义分割
原文: https://arxiv.org/pdf/1912.01394.pdf
PyTorch代码: https://github.com/shanglianlm0525/PyTorch-Networks
文章目录
摘要
本文提出了一种实时通用语义分割体系结构——RGPNet,该体系结构在复杂环境中获得了显著的性能提升。RGPNet由一个轻量级的非对称编译码器和一个适配器组成。适配器有助于保存和提炼来自编码器和解码器之间多层分布式表示的抽象概念。它也促进了从深层到浅层的梯度流动。实验表明,RGPNet可以实时生成分割结果,其精度与目前最先进的非实时重模型相当。此外,对于绿色人工智能,我们证明了使用一个优化的标记松弛技术与渐进式调整大小可以减少60%的训练时间,同时保持性能。我们得出结论,RGPNet在多个数据集上获得了更好的速度-精度权衡。
一、引入
常见的语义分割架构的示意图如上。
(a)在基于上下文的网络中,在级联或并行中使用具有多重膨胀率的膨胀卷积来捕获