CGNet: A Light-weight Context Guided Network for Semantic Segmentation

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