Fast-SCNN：快速语义分割网络
计算机视觉与模式识别
2019-02-13 v1
摘要
编码器-解码器框架是离线语义图像分割的最先进方法。随着自主系统的兴起，实时计算越来越受到青睐。在本文中，我们引入了快速分割卷积神经网络（Fast-SCNN），一种在高分辨率图像数据（1024x2048像素）上 above real-time 的语义分割模型，适用于低内存嵌入式设备上的高效计算。基于现有的用于快速分割的双分支方法，我们引入了“学习下采样”模块，该模块同时为多个分辨率分支计算低级特征。我们的网络将高分辨率的空间细节与在低分辨率提取的深度特征相结合，在Cityscapes上以每秒123.5帧的速度取得了68.0%的平均交并比精度。我们还表明大规模预训练是不必要的。我们通过ImageNet预训练和Cityscapes的粗标注数据实验彻底验证了我们的指标。最后，我们展示了在降采样输入上无需任何网络修改即可实现更快计算且具有竞争力的结果。
引用
@article{arxiv.1902.04502,
title = {Fast-SCNN: Fast Semantic Segmentation Network},
author = {Rudra P K Poudel and Stephan Liwicki and Roberto Cipolla},
journal= {arXiv preprint arXiv:1902.04502},
year = {2019}
}