CGNet：一种用于语义分割的轻量级上下文引导网络
计算机视觉与模式识别
2019-04-15 v2
摘要
在移动设备上应用语义分割模型的需求正迅速增长。当前最先进的网络具有海量参数，因此不适合移动设备，而其他小内存占用模型遵循分类网络的思想，忽略了语义分割的固有特性。为解决此问题，我们提出了一种新颖的上下文引导网络（Context Guided Network, CGNet），这是一种轻量且高效的语义分割网络。我们首先提出上下文引导（Context Guided, CG）块，它学习局部特征与周边上下文的联合特征，并进一步用全局上下文改进该联合特征。基于 CG 块，我们开发了 CGNet，它在网络的所有阶段捕获上下文信息，并专为提升分割精度而定制。CGNet 还经过精心设计并减少了参数数量、节省了内存占用。在同等参数数量下，所提出的 CGNet 显著优于现有分割网络。在 Cityscapes 和 CamVid 数据集上的大量实验验证了所提方法的有效性。具体而言，无需任何后处理和多尺度测试，所提出的 CGNet 在 Cityscapes 上以少于 0.5 M 参数取得了 64.8% 的平均交并比（mean IoU）。完整系统的源代码可在 https://github.com/wutianyiRosun/CGNet 找到。
引用
@article{arxiv.1811.08201,
title = {CGNet: A Light-weight Context Guided Network for Semantic Segmentation},
author = {Tianyi Wu and Sheng Tang and Rui Zhang and Yongdong Zhang},
journal= {arXiv preprint arXiv:1811.08201},
year = {2019}
}
备注
Code: https://github.com/wutianyiRosun/CGNet