论文地址:https://arxiv.org/pdf/2212.01173.pdf
-
多尺度特征提取:当前许多工作采用多速率深度扩张卷积(multi-rate depth-wise dilated convolutions)来同时从单一输入特征图中捕获多尺度上下文信息,以提高特征提取效率。
-
设计挑战:这种设计可能导致难以获取多尺度上下文信息,因为其结构和超参数设置不合理。
-
新方法提出:为了降低获取多尺度上下文信息的难度,提出了一种高效的多尺度特征提取方法,该方法将原始的单步方法分解为“区域残差化”(RegionResidualization)和“语义残差化”(Semantic Residualization)两个步骤。
-
简化的卷积角色:在新方法中,多速率深度扩张卷积扮演了更简单的角色,基于每个区域形成的简洁特征图,在第二步中执行基于语义的形态学滤波,以提高效率。
-
扩张率和容量的优化:精心设计了扩张率和每个网络阶段的扩张卷积容量,以充分利用所有可实现的区域形态特征图。