ENet：一种用于实时语义分割的深度神经网络架构
计算机视觉与模式识别
2016-06-08 v1
摘要
实时进行像素级语义分割的能力在移动应用中至关重要。最近针对该任务的深度神经网络具有需要大量浮点运算和较长运行时间的缺点，阻碍了可用性。本文提出一种名为ENet（高效神经网络）的新型深度神经网络架构，专为需要低延迟操作的任务而创建。ENet最高快18倍，所需FLOPs少75倍，参数少79倍，且提供与现有模型相似或更好的精度。我们在CamVid、Cityscapes和SUN数据集上测试，并报告与现有最先进方法的比较，以及网络精度与处理时间之间的权衡。我们展示了所提架构在嵌入式系统上的性能测量，并建议可能的软件改进以使ENet更快。
引用
@article{arxiv.1606.02147,
title = {ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation},
author = {Adam Paszke and Abhishek Chaurasia and Sangpil Kim and Eugenio Culurciello},
journal= {arXiv preprint arXiv:1606.02147},
year = {2016}
}