注意力网络用于语义分割的实证研究
计算机视觉与模式识别
2023-09-20 v1 人工智能
摘要
语义分割是计算机视觉中的一个重要问题。近来，端到端卷积神经网络已成为语义分割的常用解决方案，其精度远高于传统方法。近年来，基于注意力的解码器在各种数据集上取得了最先进（SOTA）性能。但这些网络总是与先前 SOTA 网络的 mIoU 进行比较以证明自身优越性，而忽略了其在各类别下计算复杂度与精度的特性，而这些特性对工程应用至关重要。此外，不同网络间分析 FLOPs 与内存的方法并不一致，使得比较难以被有效利用。再者，多种方法在语义分割中使用了注意力，但缺乏对这些方法的总结。本文首先通过实验分析其计算复杂度并比较性能，继而总结这些网络的适用场景，并归纳构建注意力网络时应关注的关键点，最后指出注意力网络的一些未来方向。
引用
@article{arxiv.2309.10217,
title = {An Empirical Study of Attention Networks for Semantic Segmentation},
author = {Hao Guo and Hongbiao Si and Guilin Jiang and Wei Zhang and Zhiyan Liu and Xuanyi Zhu and Xulong Zhang and Yang Liu},
journal= {arXiv preprint arXiv:2309.10217},
year = {2023}
}
备注
Accepted by the 7th APWeb-WAIM International Joint Conference on Web and Big Data. (APWeb 2023)