轻量级实时分割网络RegSeg的完全解析

@article{gao2021rethink,
title={Rethink Dilated Convolution for Real-time Semantic Segmentation},
author={Gao, Roland},
journal={arXiv preprint arXiv:2111.09957},
year={2021}
}

源码
paper

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