通过乘性空间融合网络实现实时语义分割
计算机视觉与模式识别
2019-11-19 v1
摘要
实时语义分割在自动驾驶、机器人等工业应用中起着重要作用。这是一项具有挑战性的任务，因为需要同时考虑效率和性能。为解决这一复杂任务，本文提出一种称为乘性空间融合网络（MSFNet）的高效 CNN，以实现快速而准确的感知。所提出的 MSFNet 使用类边界监督基于我们提出的多特征融合模块来处理相关边界信息，该模块可获取空间信息并扩大感受野。因此，对 1/8 原始图像尺寸的特征图进行最终上采样可在保持高速度的同时取得令人印象深刻的成果。在 Cityscapes 和 Camvid 数据集上的实验表明，与现有方法相比，所提方法具有明显优势。具体而言，在 Cityscapes 测试数据集上以 1024*2048 输入取得 77.1% 平均 IOU，速度达 41 FPS；在 Camvid 测试数据集上取得 75.4% 平均 IOU，速度达 91 FPS。
引用
@article{arxiv.1911.07217,
title = {Real-Time Semantic Segmentation via Multiply Spatial Fusion Network},
author = {Haiyang Si and Zhiqiang Zhang and Feifan Lv and Gang Yu and Feng Lu},
journal= {arXiv preprint arXiv:1911.07217},
year = {2019}
}
备注
This is an under review version with 9 pages and 4 figures