JetSeg：面向低功耗 GPU 嵌入式系统的高效实时语义分割模型
计算机视觉与模式识别
2023-05-22 v1 人工智能
机器学习
摘要
实时语义分割是一项具有挑战性的任务，需要低推理时间的高精度模型。在嵌入式系统上部署这些模型受限于硬件能力与内存使用，从而产生瓶颈。我们提出了一种用于实时语义分割的高效模型 JetSeg，其由一个名为 JetNet 的编码器和一个改进的 RegSeg 解码器组成。JetNet 专为 GPU 嵌入式系统设计，包含两个主要组件：一种称为 JetBlock 的新型轻量级高效模块，可在不牺牲精度的情况下减少参数量以最小化内存占用与推理时间；一种将非对称与对称卷积同深度可分离空洞卷积相结合的新策略 JetConv、通道混洗操作、轻量级激活函数，以及适用于嵌入式系统的适量分组卷积；还有一种名为 JetLoss 的创新损失函数，其融合了精度、召回率与 IoU 损失以提升语义分割效果并降低计算复杂度。实验表明，JetSeg 在工作站设备上快得多，且比现有最先进的实时语义分割模型更适用于低功耗 GPU 嵌入式系统。我们的方法以减少 46.70M 参数和 5.14% GFLOPs 的优势超越最先进的实时编解码模型，使 JetSeg 在 NVIDIA Titan RTX GPU 和 Jetson Xavier 上比其他模型快至多 2 倍。JetSeg 代码见 https://github.com/mmontielpz/jetseg。
引用
@article{arxiv.2305.11419,
title = {JetSeg: Efficient Real-Time Semantic Segmentation Model for Low-Power GPU-Embedded Systems},
author = {Miguel Lopez-Montiel and Daniel Alejandro Lopez and Oscar Montiel},
journal= {arXiv preprint arXiv:2305.11419},
year = {2023}
}