语义分割的高效解决方案：带空洞可分离卷积的ShuffleNet V2
计算机视觉与模式识别
2019-05-22 v2
摘要
为图像中每个像素分配标签，即语义分割，一直是计算机视觉中的一项重要任务，并在自动驾驶、机器人导航、定位和场景理解中有应用。全卷积神经网络多年来已被证明是该任务的成功解决方案，但大多数工作主要关注精度。在本文中，我们提出了一种计算高效的语义分割方法，同时在Cityscapes挑战上实现了较高的平均交并比（mIOU），为70.33%。所提出的网络能够在移动设备上实时运行。此外，我们公开了我们的代码和模型权重。
引用
@article{arxiv.1902.07476,
title = {An efficient solution for semantic segmentation: ShuffleNet V2 with atrous separable convolutions},
author = {Sercan Türkmen and Janne Heikkilä},
journal= {arXiv preprint arXiv:1902.07476},
year = {2019}
}
备注
12 pages, 6 figures, 5 tables