ESPNet:Efficient Spatial Pyramid of Dilated Convolutions for Semantic Segmentation-------论文理解

参考博客:https://blog.csdn.net/sinat_37532065/article/details/85723068

论文链接:https://arxiv.org/abs/1803.06815v2

1. 概述

提出在资源约束的情况下仍然能有效的对高分辨率图片进行语义分割的网络,ESPNet,基于一个新的卷积模块,即高效的空间金字塔(ESP),它在计算,内存和功率方面都很有效。


目前多数CNN通过增加深度和宽度来提高精度,但大型网络速度慢,耗电量大。这些网络需要大量资源,并且不适用于边缘设备,边缘设备具有有限的能量开销,限制性存储器约束和降低的计算能力。

卷积分解方法已经在多个网络上证实了它的有效性,如.Inception,ResNext,和Xception。

因此,我们提出ESP基于卷积分解原则,讲一个标准卷积分为两部分:

  • 逐点卷积;
  • 扩张卷积的空间金字塔

其中逐点卷积可以减少计算量;扩张卷积的空间金字塔重新对特征图进行采样,以得到更大感受野的表示。

实验证明,ESPNet与其他网络(如MobileNet和ShuffleNe

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值