M-FasterSeg：基于神经架构搜索的高效语义分割网络
计算机视觉与模式识别
2022-05-31 v3
摘要
图像语义分割技术是智能系统理解自然场景的关键技术之一。作为视觉智能领域的重要研究方向，该技术在移动机器人、无人机、智能驾驶和智能安防等领域具有广泛应用场景。然而，在移动机器人实际应用中，可能出现分割语义标签预测不准以及分割对象与背景的边缘信息丢失等问题。本文提出一种基于深度学习网络并结合自注意力神经网络与神经网络架构搜索方法的改进语义分割网络结构。首先，使用神经架构搜索方法 NAS（Neural Architecture Search）寻找具有多分辨率分支的语义分割网络。在搜索过程中，结合自注意力网络结构模块调整搜索得到的神经网络结构，再将不同分支搜索得到的语义分割网络组合形成快速语义分割网络结构，并将图片输入该网络结构得到最终预测结果。在 Cityscapes 数据集上的实验结果表明，该算法准确率为 69.8%，分割速度为 48/s。其在实时性与准确性之间取得良好平衡，可优化边缘分割，并在复杂场景中具有较好性能。良好的鲁棒性适用于实际应用。
引用
@article{arxiv.2112.07918,
title = {M-FasterSeg: An Efficient Semantic Segmentation Network Based on Neural Architecture Search},
author = {Junjun Wu and Huiyu Kuang and Qinghua Lu and Zeqin Lin and Qingwu Shi and Xilin Liu and Xiaoman Zhu},
journal= {arXiv preprint arXiv:2112.07918},
year = {2022}
}