图像分割:LR-ASPP模型介绍

已于 2022-09-15 13:54:51 修改
阅读量3.6k 收藏 6
点赞数 1
分类专栏： object detection 文章标签： 深度学习 计算机视觉 人工智能
于 2022-09-15 13:11:40 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_38346042/article/details/126868816
版权
LR-ASPP是一个适用于移动端的轻量级语义分割网络，源自MobileNetV3。相比其他网络，其在CPU上的推理速度快，但精度可能下降。网络结构包括MobileNetV3作为Backbone，使用16倍下采样，以及特殊的Segmentation Head，结合膨胀卷积和注意力机制，实现高效分割。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

LR-ASPP介绍

LR-ASPP是一个轻量级语义分割网络，论文地址.LR-ASPP是在MobileNetV3论文中提出来的，它非常适合移动端部署。
在这里插入图片描述

网络性能对比

在这里插入图片描述

  • 通过pytorch官方提供的性能对比表格，以ResNet50作为Backbone的FCN,它在CPU上的推理时间大概5s左右，以ResNet50为Backbone的Deeplabv3它的推理时间大概为6s左右。本文讲解的以MobileNet-V3为Backbone的LR-ASPP网络它在CPU上的推理时间为0.3秒，通过对比可以发现它的推理速度其实是非常快的。对比网络的性能，在mIoU上LR-ASPP相对其他网络有大幅的下降，这也是
了解本专栏 订阅专栏 解锁全文 超级会员免费看
（22）语义分割--LR-ASPP
chencaw的专栏
10-20 1124
dd
【霹雳吧啦】手把手带你入门语义分割の番外6：LR-ASPP 源码讲解（PyTorch）
作者正在煮茶中...
12-28 1431
这篇文章是作者根据 B 站 霹雳吧啦Wz 的 《 LR-ASPP 源码解析 (Pytorch) 》系列所作的学习笔记，主要对 train.py、lraspp_model.py 文件进行具体讲解。作者小白，请多包涵！
[语义分割] LR-ASPP（MobileNet v3、轻量化、16倍下采样、膨胀卷积、ASPP、SE）
Le0v1n 的博客
08-02 4916
MobileNet v3、轻量化、16倍下采样、膨胀卷积、ASPP、SE
LR-ASPP论文
qq_42178122的博客
01-12 6408
论文地址：https://arxiv.org/abs/1905.02244、 摘要 我们提出了基于互补搜索技术的组合以及一个新颖的架构设计的下一代移动网络。MobileNetV3通过结合NetAdapt算法补充的硬件网络架构搜索(NAS)调整到移动电话cpu上，随后通过新的架构进步进行了改进。本文开始探索如何自动搜索算法和网络设计可以一起工作，利用互补的方法来改善整体的艺术状态。通过这个过程，我们为发布创建了两个新的MobileNet模型:MobileNetV3-Large和MobileNetV3-Smal
LR-ASPP（MobileNet v3）：道路图像语义分割实战
Henry的博客
08-28 770
Backbone 不再进行 32 倍下采样，而是仅进行 16 倍下采样Backbone 中最后的几个 BottleNet 中使用膨胀卷积在一般的语义分割任务，Backbone 通常会进行 8 倍下采样，而 MobileNet v3 LR-ASPP 为了使模型更加轻量化，于是进行了 16 倍 下采样分割头（Segmentation Head），也就是 LR-ASPP。在 Backbone 输出上分成了两个分支，如上图所示：第一个分支。
深度学习语义分割篇——LR-ASPP原理详解+源码实战
秃头小苏的博客
08-26 1135
Hello，大家好，我是小苏👦🏽👦🏽👦🏽在之前我为大家介绍过DeepLab系列的三篇文章，大家还记得嘛，不记得的可以点击下面链接看一看喔。✨✨✨深度学习语义分割篇——DeepLabV1原理详解篇🍁🍁🍁深度学习语义分割篇——DeepLabV2原理详解篇🍁🍁🍁深度学习语义分割篇——DeeplabV3原理详解+源码实战🍁🍁🍁今天为大家带来的同样也是语义分割网络——LR-ASPP，本文会结合源码为大家介绍LR-ASPP的结构，让大家对其有一个更加清晰的认识。兄弟萌，准备好了嘛，我要开始发车了喔~~~🚖🚖🚖。
MobileNet v3 large 改进：加入LR-ASPP 语义分割、多类别分割
最新发布
09-28
MobileNet v3 large本来就设计为高效的轻量级网络，加入LR-ASPP模块后，这种改进版本的模型仍然保持轻量化的特点，同时提升了对语义分割任务的性能。 在实现方面，改进后的MobileNet v3 large只需要摆放好相应的...
LR-ASPP（MobileNet v3）分割网络：医学数据气胸图像语义分割实战【完整代码、完整数据集】
09-05
LR-ASPP（Low-Rank Attention Spatial Pyramid Pooling）是一种空间金字塔池化方法，能够更好地捕捉图像中的上下文信息，这对于图像分割尤为关键。 在医学数据气胸图像语义分割的实战中，使用LR-ASPP（MobileNet v3...
LR-ASPP网络在医学气胸图像分割中的应用
ASPP）概念：LR-ASPP是一种专门设计的网络结构，它在保持MobileNet v3网络轻量级和高效率的基础上，通过引入空洞空间金字塔池化层（ASPP），提高对多尺度特征的提取能力，使模型能够更好地处理图像分割任务。...
【霹雳吧啦】手把手带你入门语义分割9：LR-ASPP 网络模型
作者正在煮茶中...
12-17 2174
这篇文章是我根据 B 站 霹雳吧啦Wz 的《深度学习：语义分割篇章》中所作的第九篇学习笔记，先是介绍了 LR-ASPP 网络，再将其与 DeepLabV3、FCN 网络进行性能对比，然后具体讲解了该网络模型的结构框架，包括论文提出的结构以及 PyTorch 官方实现的结构。作者小白，请多包涵！
语义分割 LR-ASPP网络学习笔记 （附代码）
PLANTTHESON的博客
12-06 2398
语义分割 LR-ASPP网络学习笔记 （附代码）
【语义分割】算法理论梳理：基础理论/常见网络FCN、DeepLab、LR-ASPP、UNet、U2Net
ShiTianlei的博客
08-24 3072
图像分割中语义分割算法的理论梳理，主要针对算法的演化思路以及涉及到的专有名词（如转置卷积、膨胀卷积、mean IoU等)进行总结，想要对语义分割算法有一个框架式、全局掌握的小伙伴可以来看一眼。
ASPP网络结构
sgfsfgs的博客
03-29 407
https://blog.csdn.net/qq_40714949/article/details/112514163
Semantic Segmentation | 评价指标与经典网络（FCN，DeepLab系列，UNet，LR-ASPP）
Clichong
01-30 3165
尽管现在Transformer的时代，但之前一些经典的语义分割架构还是用这篇blog记录一下，图片参考来源b站up：霹雳吧啦Wz。 文章目录1. 网络结构1.1 FCN1.2 Deeplabv11.3 Deeplabv21.4 Deeplabv31.5 UNet1.6 LR-ASPP2. 评价指标 1. 网络结构 1.1 FCN FCN-32S FCN-16S FCN-8S 1.2 Deeplabv1 1.3 Deeplabv2 1.4 Deeplabv3 1.5 UNet 1.6 LR
ASPP 详解
热门推荐
晓野豬
10-26 9万+
文章目录1. ASPP Conv2. ASPP Pooling3. ASPP   ASPP（Atrous Spatial Pyramid Pooling），空洞空间卷积池化金字塔。简单理解就是个至尊版池化层，其目的与普通的池化层一致，尽可能地去提取特征。ASPP 的结构如下： 如图所示，ASPP 本质上由一个1×1的卷积（最左侧绿色） + 池化金字塔（中间三个蓝色） + ASPP Pooling（最右侧三层）组成。而池化金字塔各层的膨胀因子可自定义，从而实现自由的多尺度特征提取。 1. ASPP Conv
网络模型配件 ASPP 学习笔记
qq_41174201的博客
03-25 9926
目录 Motivation Dilated Convolution Atrous Spatial Pyramid Pooling ASPP空洞卷积主要用于对图像或视频进行Segmentation，由于在传统的卷积神经网络模型中，下采样来扩大感受野，抽象化特征信息，对于高等级的图像处理任务，例如图像分类任务有很大的帮助，但对于需要输出一个和输入等分辨率的预测图像的Segmentation任务...
改进版ASPP（2）：ASPP模块中加入CBAM(卷积注意力模块)，即CBAM_ASPP
qq_45014374的博客
11-11 1万+
改进ASPP，加入卷积注意力机制，即为CBAM_ASPP
详解Deeplab系列结构：SPP、Atrous Convolution、ASPP、Encoder-Decoder with Atrous Convolution
Alocus的博客
06-20 3171
SPP Atrous Convolution ASPP Depthwise separable convolution deeplabv3+：Encoder-Decoder with Atrous Conv
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

@BangBang

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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