语义分割项目思考

事无巨细的思考，反而让我更凌乱。梳理一下思路，肯定会让我事半功倍。
勤奋思考，智慧执行，牛牛大吉，冲冲冲！

语义分割几个关键部分的维护和提升：
网络结构调整，数据集维护和更新，模型落地测试验证，语义后处理的改进。

其中，每个部分里我关心的点：

• 网络：调研SOTA文章
  总结规律，找出有效的机制或模块加到当前网络里

• 数据：CityScape，维护好BanmaScape

• 模型落地测试：pytorch2onnx-TVM，可以先推到mali-mt2712p上，看实际效果

• 语义后处理的改进：
  从对语义建图-路网分割影响来看，路边和导流区类别的准确性要提高
  是否要增加隔离墩的识别，
  训练时能否把车道线分多类训练，减少后处理操作

• 待调研文章

  • 实时语义SOTA
    • HANet
    • SPNet
    • 2019 U-HarDNet-70 75.9% 53fps (1080Ti)
  • 语义SOTA
    • 2020 英伟达 HRNet-OCR 85.1 （Hierarchical Multi-Scale Attention）
    • 2019 HRNetV2 + OCR 84.5
    • 2019 Panoptic-DeepLab 84.2%
    • 2018 DeepLabV3Plus + SDCNetAug 83.5%

• 总结规律

  • 多head模式
    • 多个segment head（减少计算量同时提升某些类的IOU）
      • 更关注的类别用稍微复杂一点的segment head, 反之用简单segment head 即可
      • …
    • 各种Attention head
  • 各种Attention
    • 多尺度Attention
    • [ ]

• 待加入模块或机制

• 数据集维护

  • BanmaScape新标注的2的

继续保持思考，更新！