【语义分割】【ECCV2018】ICNet for Real-Time Semantic Segmentation on High-Resolution Images
核心思想
- 针对语义分割的实时性问题,提出一种图像级联网络(image cascade network),通过结合多尺度分支与标签引导来快速地得到高质量的分割结果,达到了实时地高精度分割。
- 算法利用低分辨率图像得到粗略的语义分割信息,并从高分辨率图像中获取细节信息来优化语义分割结果。
- 通过级联特征融合单元(cascade feature fusion unit)和级联标签引导(cascade label guidance)模块在低计算量下优化语义分割结果。
- 算法可以对1024x2048的输入图像实时地生成高质量的语义分割结果。
现有算法分析
作者对ICNet及已有的各语义分割算法的时间和精确度进行了汇总比较:
卷积的计算方法使得当图像分辨率提升,或输入输出通道数增加时计算量大幅增长&#