swiftnet

In Defense of Pre-trained ImageNet Architectures for Real-time Semantic Segmentation of Road-driving Images

代码：https://github.com/orsic/swiftnet

0摘要

对于实时语义分割，许多以前的网络通过自定义轻量化网络解决计算复杂度问题，这种体系结构通过减少相对于通用体系结构的深度、宽度和层容量来降低计算复杂度。

本文：1.借助一个轻量级的通用架构作为主要的 recognition engine。2.利用带横向连接的轻量级上采样恢复预测分辨率。3.以一种新颖的方式融合多分辨率的共享特征来扩大接受范围。

1 引言

2 相关工作

3 提出的分割方法

该方法假定有以下要求。模型应该基于ImageNet预训练的编码器，以便从迁移学习诱导的正则化中受益。解码器应该恢复编码特征的分辨率，以便预测保留细节。为了保持实时处理速度，上采样过程必须尽可能简单。梯度流应该在整个网络中推广，以支持在不寻常的事件中进行随机初始化的训练，因为ImageNet的预训练结果并不有用。

3.1 Basic building blocks

（基础模块）共三个模块

编码