PP-LiteSeg:一种优异的实时语义分割模型
计算机视觉与模式识别
2022-04-07 v1 人工智能
摘要
现实应用对语义分割方法有着很高的要求。尽管语义分割随着深度学习取得了显著飞跃,但实时方法的性能尚不令人满意。在本工作中,我们提出 PP-LiteSeg,一种用于实时语义分割任务的新型轻量模型。具体而言,我们提出灵活轻量解码器(FLD)以减少先前解码器的计算开销。为增强特征表示,我们提出统一注意力融合模块(UAFM),其利用空间与通道注意力产生权重,再以该权重融合输入特征。此外,提出简单金字塔池化模块(SPPM),以低计算成本聚合全局上下文。大量评估表明,与其他方法相比,PP-LiteSeg 在精度与速度间取得了优异的权衡。在 Cityscapes 测试集上,PP-LiteSeg 在 NVIDIA GTX 1080Ti 上取得 72.0% mIoU/273.6 FPS 与 77.5% mIoU/102.6 FPS。源代码与模型见于 PaddleSeg: https://github.com/PaddlePaddle/PaddleSeg。
引用
@article{arxiv.2204.02681,
title = {PP-LiteSeg: A Superior Real-Time Semantic Segmentation Model},
author = {Juncai Peng and Yi Liu and Shiyu Tang and Yuying Hao and Lutao Chu and Guowei Chen and Zewu Wu and Zeyu Chen and Zhiliang Yu and Yuning Du and Qingqing Dang and Baohua Lai and Qiwen Liu and Xiaoguang Hu and Dianhai Yu and Yanjun Ma},
journal= {arXiv preprint arXiv:2204.02681},
year = {2022}
}