FDDWNet：一种用于实时语义分割的轻量卷积神经网络
计算机视觉与模式识别
2019-11-11 v2
摘要
本文介绍了一种称为 FDDWNet 的轻量卷积神经网络，用于实时准确的语义分割。与近期倾向于采用浅层结构的轻量网络进展不同，FDDWNet 努力设计更深的网络架构，同时保持更快的推理速度与更高的分割精度。我们的网络使用分解扩张深度可分离卷积（FDDWC）以更少的模型参数从不同尺度感受野学习特征表示。此外，FDDWNet 具有多分支跳跃连接以从中间卷积层收集上下文线索。实验表明，FDDWNet 模型大小仅 0.8M，在单张 RTX 2080Ti GPU 上以 1024x512 输入图像实现 60 FPS 运行速度。综合实验证明，我们的模型在 CityScapes 和 CamVid 数据集上就现有的速度与精度权衡取得了 SOTA 结果。
引用
@article{arxiv.1911.00632,
title = {FDDWNet: A Lightweight Convolutional Neural Network for Real-time Sementic Segmentation},
author = {Jia Liu and Quan Zhou and Yong Qiang and Bin Kang and Xiaofu Wu and Baoyu Zheng},
journal= {arXiv preprint arXiv:1911.00632},
year = {2019}
}