CFPNet：用于实时语义分割的通道特征金字塔
计算机视觉与模式识别
2021-06-04 v2
摘要
由于移动设备与自动驾驶的需求增长，实时语义分割在计算机视觉中扮演着越来越重要的角色。因此，在性能、模型尺寸与推理速度之间取得良好权衡非常重要。本文中，我们提出一种通道特征金字塔（CFP）模块来平衡这些因素。基于 CFP 模块，我们构建了用于实时语义分割的 CFPNet，其应用一系列空洞卷积通道来提取有效特征。在 Cityscapes 与 CamVid 数据集上的实验表明，所提出的 CFPNet 实现了这些因素的有效结合。对于 Cityscapes 测试数据集，CFPNet 以仅 0.55 百万参数与 2.5 MB 内存取得了 70.1% 的类别级 mIoU。在单张 RTX 2080Ti GPU 上处理 1024x2048 像素图像时推理速度可达 30 FPS。
引用
@article{arxiv.2103.12212,
title = {CFPNet: Channel-wise Feature Pyramid for Real-Time Semantic Segmentation},
author = {Ange Lou and Murray Loew},
journal= {arXiv preprint arXiv:2103.12212},
year = {2021}
}
备注
Accepted by ICIP 2021