@article{gao2021rethink,
title={Rethink Dilated Convolution for Real-time Semantic Segmentation},
author={Gao, Roland},
journal={arXiv preprint arXiv:2111.09957},
year={2021}
}
废话不多说,开局一张图看性能
摘要
语义分割的最新进展通常采用经过ImageNet预训练的backbone,配合一个特殊的上下文模块,以快速增加感受野。虽然模型的分割精度得到了一定的提升,但大部分的计算量由并未带来足够大感受野的backbone产生。
最近的一些研究解决了这个问题,通过快速降低backbone中的分辨率,同时有一个或多个具有高分辨率的并行分支。本文采用了一种不同的方法,设计了一个受ResNeXt启发的Block结构,该结构使用2个具有不同的膨胀率的并行3×3卷积层,扩大感受野的同时保留局部信息。在backbone中重复这个Block结构,不需要在它之后附加任何特殊的上下文模块。此外,本文提出了一种轻量级解码器,它可以比常见的解码器更好地恢复局部信息。
为了证明方法的有效性,RegSeg在Cityscapes和CamVid数据集上取得了最好的结果。使用混合精度的T4GPU,RegSeg以30FPS/秒的速度在Cityscapes测试集上达到了78.3mIOU,在CamVid测试集上以70FPS/秒的速度达到了80.9 mIOU,且都没有经过ImageNet预训练。
本文贡献
本文的贡献如下:
1. 提出了一种新的 dilated block 结构“D Block”,它可以在保持局部细节的同时轻松地增加Backbone的感受野。通过在RegSeg的Backbone中重复D Block,可以轻松控制感受野无需额外的计算;
2. 介绍了一种轻量级解码器,它的性能优于常见的方案;
3. 进行了大量的实验来证明方法的有效性。RegSeg在Cityscap