高效实时语义分割综述

语义分割是为图像中每个像素分配类别标签的问题，是自动驾驶车辆视觉栈中实现场景理解与目标检测的重要组件。然而，许多性能顶尖的语义分割模型极为复杂笨重，因而不适合部署在计算资源受限且低延迟运行为关键需求的自动驾驶车载平台。本综述深入考察了那些以更紧凑高效、能够在低内存嵌入式系统部署且满足实时推理约束的模型来解决上述错配的工作。我们讨论了该领域若干最具代表性的工作，依据其主要贡献将其归入一种分类体系，并最终在代表典型研究环境（高端GPU）与真实部署场景（低内存嵌入式GPU硬件）的一致软硬件设置下评估所述模型的推理速度。实验结果表明许多工作能够在资源受限硬件上实现实时性能，同时也揭示了延迟与精度之间持续的权衡。