PIDNet: 受PID控制器启发的实时语义分割网络
计算机视觉与模式识别
2023-04-10 v3 人工智能
摘要
双分支网络架构已在实时语义分割任务中展现出效率与有效性。然而,高分辨率细节与低频上下文的直接融合存在细节特征易被周围上下文信息淹没的缺陷。这种超调现象限制了现有双分支模型分割精度的提升。本文中,我们建立卷积神经网络(CNN)与比例-积分-微分(PID)控制器之间的联系,并揭示双分支网络等价于比例-积分(PI)控制器,其固有地遭受类似的超调问题。为缓解该问题,我们提出一种新颖的三分支网络架构:PIDNet,其包含三个分支分别解析细节、上下文和边界信息,并采用边界注意力引导细节与上下文分支的融合。我们的PIDNet系列在推理速度与精度间实现了最佳权衡,且在Cityscapes和CamVid数据集上其精度超越了所有具有相似推理速度的现有模型。具体而言,PIDNet-S在Cityscapes上以93.2 FPS的推理速度达到78.6% mIOU,在CamVid上以153.7 FPS速度达到80.1% mIOU。
引用
@article{arxiv.2206.02066,
title = {PIDNet: A Real-time Semantic Segmentation Network Inspired by PID Controllers},
author = {Jiacong Xu and Zixiang Xiong and Shankar P. Bhattacharyya},
journal= {arXiv preprint arXiv:2206.02066},
year = {2023}
}
备注
11 pages, 9 figures; This paper will be published by CVPR2023 soon, please refer to the official version then