空洞空间弯曲 U-Net（ASBU-Net/LogiNet）
计算机视觉与模式识别
2023-05-01 v3
摘要
随着 CNN 的最新进展，高分辨率图像语义分割在准确率和延迟方面取得了卓越改进。然而，在拥挤场景、大尺度变化、部分遮挡和畸变中检测物体，同时保持机动性与低延迟，仍具挑战。我们引入了一种快速高效的卷积神经网络 ASBU-Net，用于高分辨率图像的语义分割，其解决了这些问题，并且不使用任何新颖层以易于量化和嵌入式硬件支持。ASBU-Net 基于一种新的特征提取模块——空洞空间弯曲层（ASBL），该层在计算和内存方面均高效。ASB 层构成一个构建块，用于组成 ASBNet。由于该网络不使用任何特殊层，因此可轻松实现、量化并部署于 FPGA 及其他内存受限的硬件上。我们展示了资源与准确率权衡的实验，并显示出相较于其他流行模型的强劲性能。
引用
@article{arxiv.2212.08613,
title = {Atrous Space Bender U-Net (ASBU-Net/LogiNet)},
author = {Anurag Bansal and Oleg Ostap and Miguel Maestre Trueba and Kristopher Perry},
journal= {arXiv preprint arXiv:2212.08613},
year = {2023}
}