扩展宽残差网络用于全景分割
计算机视觉与模式识别
2021-02-09 v2
摘要
宽残差网络（Wide-ResNets）是残差网络（ResNets）的一种浅而宽的变体，通过堆叠少量具有大通道尺寸的残差块，已在多项密集预测任务上展现出卓越性能。然而，自提出以来，Wide-ResNet 架构多年来几乎未演进。在本工作中，我们针对近期具有挑战性的全景分割任务重新审视其架构设计，该任务旨在统一语义分割与实例分割。通过将简单有效的挤压激励（Squeeze-and-Excitation）与可切换空洞卷积（Switchable Atrous Convolution）引入 Wide-ResNets，获得了一个基线模型。通过调整宽度（即通道尺寸）和深度（即层数）进一步放大或缩小其网络容量，从而得到一系列 SWideRNets（Scaling Wide Residual Networks 的简称）。我们证明，这种简单的缩放方案结合网格搜索，可识别出若干个在快速模型体制与强模型体制下均显著推进全景分割数据集上 state-of-the-art（最优）性能的 SWideRNets。
引用
@article{arxiv.2011.11675,
title = {Scaling Wide Residual Networks for Panoptic Segmentation},
author = {Liang-Chieh Chen and Huiyu Wang and Siyuan Qiao},
journal= {arXiv preprint arXiv:2011.11675},
year = {2021}
}
备注
Update experimental results