用于语义分割的非对称非局部神经网络
计算机视觉与模式识别
2019-08-30 v5 机器学习
摘要
非局部模块是语义分割中一项特别有用的技术，但因其高昂的计算与 GPU 内存占用而受诟病。本文提出用于语义分割的非对称非局部神经网络，其包含两个显著组件：非对称金字塔非局部块（APNB）与非对称融合非局部块（AFNB）。APNB 将金字塔采样模块引入非局部块，在不牺牲性能的前提下大幅降低计算与内存消耗。AFNB 由 APNB 改造而来，在充分考虑长程依赖的前提下融合不同层级的特征，从而显著改善性能。在语义分割基准上的大量实验证明了我们工作的有效性与高效性。特别地，我们在 Cityscapes 测试集上报告了 81.3 mIoU 的当前最优性能。对于 256x128 输入，APNB 在 GPU 上比非局部块快约 6 倍，而 GPU 运行内存占用小 28 倍。代码见：https://github.com/MendelXu/ANN.git。
引用
@article{arxiv.1908.07678,
title = {Asymmetric Non-local Neural Networks for Semantic Segmentation},
author = {Zhen Zhu and Mengde Xu and Song Bai and Tengteng Huang and Xiang Bai},
journal= {arXiv preprint arXiv:1908.07678},
year = {2019}
}
备注
To appear in ICCV 2019