基于改进 MBConv 模块的多尺度语义分割
计算机视觉与模式识别
2024-02-08 v1
摘要
最近，MBConv 模块最初为在资源受限环境下的效率而设计，后来被改编用于前沿的图像分类性能，其在图像分类任务中展现出了巨大潜力。尽管取得了成功，但它们在语义分割中的应用仍相对未被探索。本文介绍了一种专门为语义分割量身定制的新型 MBConv 模块改编。我们的修改源于这样一个洞察：语义分割需要比图像分类提取更详细的空间信息。我们认为，为了有效地执行多尺度语义分割，U-Net 架构的每个分支，无论其分辨率如何，都应具备同等的分割能力。通过实施这些更改，我们的方法在 Cityscapes 测试集和验证集上分别取得了 84.5% 和 84.0% 的令人瞩目的平均交并比分数，证明了我们提出的修改在增强语义分割性能方面的有效性。
引用
@article{arxiv.2402.04618,
title = {Multi-Scale Semantic Segmentation with Modified MBConv Blocks},
author = {Xi Chen and Yang Cai and Yuan Wu and Bo Xiong and Taesung Park},
journal= {arXiv preprint arXiv:2402.04618},
year = {2024}
}