LinkNet：利用编码器表示实现高效语义分割
计算机视觉与模式识别
2018-04-03 v1 机器学习
摘要
用于视觉场景理解的像素级语义分割不仅需要准确，还需高效以便在实时应用中发挥作用。现有算法虽准确，但未注重高效利用神经网络参数。因此它们在参数数量和运算次数上庞大，进而也缓慢。本文中，我们提出一种新颖的深度神经网络架构，使其能在参数数量无显著增加的情况下学习。我们的网络处理分辨率为3x640x360的图像仅使用1150万参数和21.2 GFLOPs。它在CamVid上给出了最先进的性能，在Cityscapes数据集上给出了可比的结果。我们还针对不同图像分辨率，在NVIDIA GPU和嵌入式系统设备上将我们网络的处理时间与现有最先进架构进行了比较。
引用
@article{arxiv.1707.03718,
title = {LinkNet: Exploiting Encoder Representations for Efficient Semantic Segmentation},
author = {Abhishek Chaurasia and Eugenio Culurciello},
journal= {arXiv preprint arXiv:1707.03718},
year = {2018}
}
备注
5 pages, 5 figures, GitHub: https://github.com/e-lab/LinkNet