基于Swift Factorized Network的高召回率实时语义分割比较研究

语义分割（SS）是为观测图像每个像素分配语义标签的任务，对自动驾驶车辆、视障人士导航辅助系统与增强现实设备具有重要意义。然而，SS走向实用仍有漫漫长路，因为有两个关键挑战需要解决：效率与实际应用的评估准则。针对特定应用场景，需采用不同准则。召回率是诸如自动驾驶等许多任务的重要准则。对于自动驾驶车辆，我们需要关注汽车、公交车与行人等交通物体的检测，它们应以高召回率被检测。换言之，误检优于漏检，因为若算法漏检并将其他交通物体分割为安全道路，将带来危险。本文中，我们的主要目标是探索获得高召回率的可能方法。首先，我们提出一种名为Swift Factorized Network（SFN）的实时SS网络。所提网络改编自SwiftNet，其结构为带横向连接的典型U形结构。受ERFNet与全局卷积网络（GCNet）启发，我们提出两种不同模块以扩大有效感受野。它们不占用过多计算资源，但相较基线网络显著提升了性能。其次，我们探索了实现更高召回率的三种途径，即损失函数、分类器与决策规则。我们在包括CamVid与Cityscapes在内的前沿数据集上进行了全面的实验。我们证明了我们的SS卷积神经网络达到了优异性能。此外，我们对三种所提方法在召回率提升方面做了详细分析与比较。