CSRNet：用于实时语义分割的级联选择性分辨率网络
计算机视觉与模式识别
2022-04-20 v2
摘要
由于自动驾驶、机器人等许多实际应用需求的增长，实时语义分割受到了相当多的关注。现有实时分割方法常利用特征融合来提高分割精度。然而，它们未能充分考虑不同分辨率下的特征信息，且网络的感受野相对有限，从而影响了性能。为解决该问题，我们提出了一种轻量级级联选择性分辨率网络（CSRNet），通过多上下文信息嵌入与增强的特征聚合来提升实时分割性能。所提网络构建了一个三阶段分割系统，从低分辨率到高分辨率逐步整合特征信息并实现特征精炼。CSRNet 包含两个关键模块：短接金字塔融合模块（SPFM）与选择性分辨率模块（SRM）。SPFM 是一个计算高效的模块，用于融入全局上下文信息并显著扩大各阶段的感受野。SRM 旨在融合具有不同感受野的多分辨率特征图，在特征图间分配软通道注意力，并有助于缓解多尺度目标所引起的问题。在两个知名数据集上的综合实验表明，所提 CSRNet 有效提升了实时分割的性能。
关键词
引用
@article{arxiv.2106.04400,
title = {CSRNet: Cascaded Selective Resolution Network for Real-time Semantic Segmentation},
author = {Jingjing Xiong and Lai-Man Po and Wing-Yin Yu and Chang Zhou and Pengfei Xian and Weifeng Ou},
journal= {arXiv preprint arXiv:2106.04400},
year = {2022}
}