EADNet：用于语义分割的高效非对称膨胀网络
计算机视觉与模式识别
2021-03-17 v1
摘要
由于受功耗限制的边缘设备对实时图像语义分割的需求，设计轻量级语义分割神经网络以同时降低计算成本并提高推理速度的愿望日益增长。本文提出一种高效非对称膨胀语义分割网络，命名为 EADNet，其由多个具有不同膨胀率的自研非对称卷积分支组成，以捕获图像中可变形状和尺度的信息。特别地，设计了一个仅含少量参数的多尺度多形状感受野卷积(MMRFC)模块来捕获此类信息。在 Cityscapes 数据集上的实验结果表明，我们提出的 EADNet 在主流轻量级语义分割网络中以最少的参数量（仅 0.35M）取得了 67.1 的分割 mIoU。
引用
@article{arxiv.2103.08914,
title = {EADNet: Efficient Asymmetric Dilated Network for Semantic Segmentation},
author = {Qihang Yang and Tao Chen and Jiayuan Fan and Ye Lu and Chongyan Zuo and Qinghua Chi},
journal= {arXiv preprint arXiv:2103.08914},
year = {2021}
}