[即插即用] 一种实时精确的航空遥感河流冰语义分割模型

可用的部分：

1. 可学习的上采样策略DUpsampling
2. 注意力模块

河流结冰难以得到可靠的分割结果。大多数情况下，图像中的浮冰大小不一、形状不规则，这就要求网络具有提取多尺度特征的能力。随着深度学习方法的快速发展，许多基于深度卷积神经网络的优秀语义分割算法被提出。他们中的大多数会采用骨干ResNet ， DeepLab ， Transformer来提取有意义的特征。虽然这些复杂网络提高了精度，但其分割速度非常慢。一些高精度网络模型的容量通常非常大。这使得在生产环境中的设备上部署变得困难。这促使我们为我们的任务设计一个更灵活的网络。然而，追求时间效率模型并不容易实现。大多数实时深度神经网络选择轻量级骨干网络，并减少特征通道数量[10]等方法。然而，这些方式会使网络捕捉精细信息的能力变差，从而进一步损害准确率。

本文提出一种双分支分割网络FastICENet，以提高精度和效率。它由空间分支和上下文分支组成。空间分支是卷积和非线性映射层的堆叠，以获取局部区域的细节信息。上下文分支旨在提供区分不同类型对象的深层语义信息。这会到达一个更复杂的分支，也更耗时。因此，为了加快分割速度，采用下采样和Ghost模块策略来降低上下文分支的分析代价。此外，由于河流冰图像中存在较多的小冰块，采用可学习的上采样策略DUpsampling代替常用的双线性插值，以提高分割精度，特别是小冰块。