重新思考膨胀卷积用于实时语义分割

感受野是设计语义分割模型时的一项重要指标。为获得大感受野，以往方法通常选择快速下采样分辨率，一般采用平均池化或步长为 2 的卷积。我们采用不同方法：在主干网络中全程使用大膨胀率的膨胀卷积，使主干能通过调整膨胀率轻松调节感受野，并表明其与现有方法具有竞争力。为有效使用膨胀卷积，我们给出了膨胀率的一个简单上界以避免卷积权重间出现空隙，并设计了受 SE-ResNeXt 启发的块结构，使用两个具有不同膨胀率的并行 $3\times 3$ 卷积来保留局部细节。手动调节每个块的膨胀率可能困难，因此我们还引入一种可微神经架构搜索方法，利用梯度下降优化膨胀率。此外，我们提出一种轻量解码器，比常见替代方案更好地恢复局部信息。为证明方法有效性，我们的模型 RegSeg 在实时 Cityscapes 与 CamVid 数据集上取得具竞争力结果。使用 T4 GPU 与混合精度，RegSeg 在 Cityscapes 测试集以 $37$ FPS 取得 78.3 mIOU，在 CamVid 测试集以 $112$ FPS 取得 80.9 mIOU，两者均未使用 ImageNet 预训练。