CGNet: A Light-weight Context Guided Network for Semantic Segmentation
0.摘要
移动设备中语义分割模型应用增加,然大部分网络的参数量过大,而内存占用较小的网络基本上是根据分类网络设计的。这一设计呐忽视了分割网络的特点
our,提出了CGNet,轻量化、高效的语义分割网络,1 CG模块,将局部特征和周围特征进行联合 2 用全局特征改善联合特征 3 基于CG模块构建CGNet
1.引言
图1
对于Fig1的描述:
- 本图是在cityscapes数据集上不同框架的准确率和参数量的对比。
- 高准确率的模型(蓝点),由图像分类网络转化而来且参数量大,因此大多不适于移动设备。
- 低分辨率的小模型(红点),遵循分类网络的设计方式,忽略了分割特性,故而效果不好。
CGNet的设计:
为了提升准确率,用cgnet探索语义分割的固有属性。对于准确率的提升,因为语义分割是像素级分类和目标定位,所以空间依赖性和上下文信息发挥了重要作用。因此,设计cg模块