LiteSeg：一种用于语义分割的新型轻量级卷积网络
计算机视觉与模式识别
2020-01-06 v1
摘要
语义图像分割在包括自动驾驶和医学图像分析在内的许多视觉应用中起着关键作用。以往大多数方法倾向于在精度方面提升性能，而很少关注计算效率。本文中，我们介绍 LiteSeg，一种用于语义图像分割的轻量级架构。在这项工作中，我们探索了 Atrous Spatial Pyramid Pooling 模块（ASPP）的一个新的更深版本，并应用短和长残差连接以及深度可分离卷积，从而得到一个更快且更高效的模型。LiteSeg 架构被提出并与多个骨干网络（如 Darknet19、MobileNet 和 ShuffleNet）进行了测试，以提供精度与计算成本之间的多种权衡。所提出的模型 LiteSeg 以 MobileNetV2 作为骨干网络，在 Cityscapes 数据集上以 分辨率在每秒161帧下取得了 67.81% 平均交并比的精度。
引用
@article{arxiv.1912.06683,
title = {LiteSeg: A Novel Lightweight ConvNet for Semantic Segmentation},
author = {Taha Emara and Hossam E. Abd El Munim and Hazem M. Abbas},
journal= {arXiv preprint arXiv:1912.06683},
year = {2020}
}
备注
Accepted, DICTA 2019