FarSee-Net：基于高效多尺度上下文聚合与特征空间超分辨率实时语义分割
计算机视觉与模式识别
2020-03-10 v1 机器人学
摘要
实时语义分割在诸多计算资源受限的机器人应用中备受青睐。语义分割的一个挑战在于处理目标尺度变化并利用上下文信息。如何在有限计算预算内实现多尺度上下文聚合十分关键。本文首先引入一种新颖高效的模块，称为级联分解空洞空间金字塔池化（CF-ASPP）。它是一种轻量级级联结构，供卷积神经网络（CNNs）高效利用上下文信息。另一方面，出于运行效率考虑，现有最优方法会在网络早期阶段迅速减小输入或特征图的空间尺寸。最终的高分辨率结果通常通过非参数上采样操作（如双线性插值）获得。不同的是，我们重新思考该流程并将其视为超分辨率过程。我们在上采样步骤中使用优化的超分辨率操作，提升了精度，尤其在实时应用的子采样输入图像场景下。融合上述两点改进，我们的方法相比其他最优方法提供了更好的延迟-精度权衡。特别地，在单块 Nivida Titan X（Maxwell）GPU 卡上，我们在 Cityscapes 测试集以 84 fps 取得 68.4% mIoU。所提模块可插入任意特征提取 CNN 中，并受益于 CNN 结构的发展。
引用
@article{arxiv.2003.03913,
title = {FarSee-Net: Real-Time Semantic Segmentation by Efficient Multi-scale Context Aggregation and Feature Space Super-resolution},
author = {Zhanpeng Zhang and Kaipeng Zhang},
journal= {arXiv preprint arXiv:2003.03913},
year = {2020}
}
备注
Accepted to ICRA 2020