EfficientSeg：一种高效的语义分割网络
计算机视觉与模式识别
2020-10-12 v2
摘要
研究表明，在没有预训练权重且数据较少的情况下训练深度神经网络需要更多训练迭代次数。同样已知的是，对于语义分割任务，更深的模型比其浅层对应模型更成功。因此，我们引入了EfficientSeg架构，它是U-Net的改进且可扩展版本，尽管其深度较大，仍可被高效训练。我们在Minicity数据集上评估了EfficientSeg架构，在使用相同参数数量的情况下超越了U-Net基线分数（40% mIoU），达到51.5% mIoU。我们最成功的模型获得了58.1% mIoU分数，并在ECCV 2020 VIPriors挑战赛的语义分割赛道中获得第四名。
引用
@article{arxiv.2009.06469,
title = {EfficientSeg: An Efficient Semantic Segmentation Network},
author = {Vahit Bugra Yesilkaynak and Yusuf H. Sahin and Gozde Unal},
journal= {arXiv preprint arXiv:2009.06469},
year = {2020}
}