sinet(超轻量级的分割网络,需要在app中运行):
1.Information Blocking Decoder(设计初衷是因为像unet为了增加解码部分特征图的语义信息会将编码部分同样形状的特征图直接作用到编码部分特征图上,编码部分特征图可能含有噪声,这些噪声会在后续编码部分消除,所以这些噪声在恢复图片时是不想要的;具体实现是先将编码部分的输出通过pointwise conv生成通道数和类别数目相同的特征图,再把特征图放大到对应加过来的编码部分特征图的形状(长和宽一样),通过对该解码部分特征图每个通道的特征图进行softmax,在每个像素取最大值形成单通道的概率图,再将1减去概率图得到一个反概率图,反概率图乘以加过来的编码部分特征图再加到该解码部分特征图上;效果是编码部分特征图的某个像素若激活值较高就不需要之前编码部分的特征图来增加语义,因为这样直接加会增加噪声,不利于物体的分割)
2.spatial squeeze module融合两个不同尺度特征提取的spatial squeeze block(avg pooling + ds conv + bilinear upsampling),不同尺度特征提取体现再spatial squeeze block的avg pooling的kernel大小可以不同,spatial squeeze module相当于bottleneck