一种用于遥感图像的微型化语义分割方法
计算机视觉与模式识别
2018-10-30 v1 人工智能
摘要
为节省内存，我们提出一种神经网络微型化方法，以减少遥感（RS）图像语义分割模型中存在的参数量。首先使用紧凑卷积优化方法对标准 U-Net 进行压缩以减少权重数量。为降低微型化导致的模型性能损失，并基于遥感图像特点，随后采用更少下采样与改进的级联空洞卷积来提升微型化 U-Net 的性能。与 U-Net 相比，我们所提 Micro-Net 不仅实现 29.26 倍模型压缩，还在公开数据集上基本保持性能不变。我们提供了模型的 Keras 与 Tensorflow 混合编程实现：https://github.com/Isnot2bad/Micro-Net
引用
@article{arxiv.1810.11603,
title = {A Miniaturized Semantic Segmentation Method for Remote Sensing Image},
author = {Shou-Yu Chen and Guang-Sheng Chen and Wei-Peng Jing},
journal= {arXiv preprint arXiv:1810.11603},
year = {2018}
}
备注
5 pages, 3 figures, 3 tables, this paper is to be submitted to the conference