ASAP：面向实时性能的高精度语义分割
计算机视觉与模式识别
2022-10-05 v1 人工智能
摘要
语义分割中已采用来自编码器的特征融合模块与自注意力模块。然而，这些模块的计算代价高昂，且在实时环境中存在运行限制。此外，在自动驾驶环境中，存在大量垂直于路面的上下文信息（如行人、建筑物和一般物体），分割性能受限。本文提出一种高效的特征融合方法——不同范数特征融合（FFDN），其利用多层次尺度的丰富全局上下文，并在自注意力前采用垂直池化模块，在降低全局上下文编码垂直方向复杂度的同时保留大部分上下文信息。借此，我们能够处理全局空间中的表示特性并减少额外计算成本。此外，我们分析了包含小而垂直特征物体的困难情况中的低性能表现。我们在 Cityscapes 测试数据集上取得了 73.1 的平均交并比（mIoU）与 191 的每秒帧数（FPS），与当前最优方法结果相当。
引用
@article{arxiv.2210.01323,
title = {ASAP: Accurate semantic segmentation for real time performance},
author = {Jaehyun Park and Subin Lee and Eon Kim and Byeongjun Moon and Dabeen Yu and Yeonseung Yu and Junghwan Kim},
journal= {arXiv preprint arXiv:2210.01323},
year = {2022}
}
备注
5 pages, 4 figures