BiSeNet V2再思考

BiSeNetv2是一篇比较经典的文章，优势是精度高，速度快。

文章主题思想就是细节信息和语义信息对分割都非常重要，但是一般语义信息需要较深的网络取提取，而细节信息只在网络的浅层才能很好的保留。所以语义信息和细节信息恰恰对网络的深浅要求是矛盾的。假如网络比较深，下采样次数多，那么网络的语义信息能被很好的提取，但是细节信息却不能很好的保留，反之，细节信息可以很好保留，但是语义信息提取能力不足。

本文总结了以前的网络大致的结构，以及他们如何解决这个问题。

（a）带有膨胀卷积的结构，这样就可以减少下采样次数，在保证感受视野的同时保留更多细节信息。但是缺点也很明显：网络延时高。下采样次数少代表着卷积需要在高分辨率图像上做卷积，这样导致计算量大，而且膨胀卷积本身操作就比普通卷积复杂，这样导致高延时问题。

（b）U型结构，将浅层细节信息通过跳跃连接给到后层，融合细节信息和语义信息以此提高分割精度。缺点也是计算量大，延时高。

从而作者提出（c）双边结构。一边提取语义信息，一边提取细节信息，之后在融合，同时保证网络速度。

 

作者提出的双边网络，