EPSNet：具有跨层注意力融合的高效全景分割网络
计算机视觉与模式识别
2021-07-14 v3
摘要
全景分割是一项将语义分割与实例分割统一为单一任务的场景解析任务。然而，当前 SOTA 研究未过多关注推理时间。本工作中，我们提出高效全景分割网络（EPSNet）以快速推理速度处理全景分割任务。基本上，EPSNet 基于原型掩码与掩码系数的简单线性组合生成掩码。用于实例分割与语义分割的轻量网络分支仅需预测掩码系数，并与原型网络分支预测的共享原型一起生成掩码。此外，为提升共享原型质量，我们采用称为“跨层注意力融合模块”的模块，以注意力机制聚合多尺度特征，助其捕获彼此间的长程依赖。为验证所提工作，我们在具挑战性的 COCO 全景数据集上进行了多种实验，以显著更快的推理速度（GPU 上 53ms）取得了极具前景的性能。
引用
@article{arxiv.2003.10142,
title = {EPSNet: Efficient Panoptic Segmentation Network with Cross-layer Attention Fusion},
author = {Chia-Yuan Chang and Shuo-En Chang and Pei-Yung Hsiao and Li-Chen Fu},
journal= {arXiv preprint arXiv:2003.10142},
year = {2021}
}
备注
ACCV 2020. Code is available at: https://github.com/neo85824/epsnet