面向轻量级语义分割网络的特征细化模块
计算机视觉与模式识别
2024-12-13 v1 机器学习
图像与视频处理
摘要
低计算复杂度和高分割精度是实际语义分割任务中不可或缺的两个要求。然而，为加快模型推理速度，现有大多数方法倾向于设计参数极少的轻量级网络，导致由于网络表示能力下降，分割精度显著下降。为解决此问题，本文提出一种新颖的语义分割方法，以提高轻量级网络获取语义信息的能力。具体而言，提出一种特征细化模块 (FRM)，用于从 backbone 生成的多阶段特征图中提取语义信息，并通过利用变换器模块捕获非局部上下文信息。在 Cityscapes 和 Bdd100K 数据集上，实验结果表明，所提方法在准确率与计算成本之间实现了令人满意的平衡，尤其在 Cityscapes 测试集上实现了 80.4% 的 mIoU，仅需 214.82 GFLOPs。
引用
@article{arxiv.2412.08670,
title = {A feature refinement module for light-weight semantic segmentation network},
author = {Zhiyan Wang and Xin Guo and Song Wang and Peixiao Zheng and Lin Qi},
journal= {arXiv preprint arXiv:2412.08670},
year = {2024}
}
备注
Accept by icip 2023