面向实时语义分割网络搜索的局部到全局信息通信
计算机视觉与模式识别
2023-02-17 v1 人工智能
摘要
神经架构搜索（NAS）在自动设计实时语义分割的神经网络架构方面已展现出巨大潜力。与以往利用带单元共享方式的简化搜索空间的工作不同，我们引入了一种新的搜索空间，通过以单元独立方式替代单元共享方式，可更有效地搜索轻量模型。基于此，局部到全局信息的通信通过两个精心设计的模块实现。对于局部信息交换，一个图卷积网络（GCN）引导的模块被无缝集成为单元间的通信传递者。对于全局信息聚合，我们提出了一种新颖的密集连接融合模块（单元），其自动聚合网络中的长程多级特征。此外，搜索过程被赋予一种面向延迟的约束以平衡精度与延迟。我们将所提框架命名为局部到全局信息通信网络搜索（LGCNet）。在 Cityscapes 与 CamVid 数据集上的大量实验表明，LGCNet 实现了精度与速度间新的最先进权衡。特别地，在 Cityscapes 数据集上，LGCNet 以 Titan Xp 上 115.2 FPS 的速度实现了 74.0\% mIoU 的新最佳性能。
引用
@article{arxiv.2302.08481,
title = {Local-to-Global Information Communication for Real-Time Semantic Segmentation Network Search},
author = {Guangliang Cheng and Peng Sun and Ting-Bing Xu and Shuchang Lyu and Peiwen Lin},
journal= {arXiv preprint arXiv:2302.08481},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:1909.06793