用于语义分割的实时全局注意力网络
计算机视觉与模式识别
2022-01-14 v1
摘要
本文中，我们提出了一种端到端实时全局注意力神经网络（RGANet），用于具有挑战性的语义分割任务。不同于自注意力范式所部署的编码策略，所提出的全局注意力模块通过深度可分离卷积和仿射变换编码全局注意力。将这些全局注意力模块集成到分层架构中保持了高推理性能。此外，提出了一种改进的评价度量，即 MGRID，以缓解非凸、广泛分散的真实标注区域的负面影响。在语义分割前沿架构上的大量实验结果表明，所提方法在机器人单目视觉感知方面具有领先性能。
引用
@article{arxiv.2112.12939,
title = {Realtime Global Attention Network for Semantic Segmentation},
author = {Xi Mo and Xiangyu Chen},
journal= {arXiv preprint arXiv:2112.12939},
year = {2022}
}
备注
Ver1.0 for RA-L with ICRA presentation