ShuffleSeg：实时语义分割网络
计算机视觉与模式识别
2018-03-16 v2
摘要
实时语义分割对于移动和机器人相关应用具有重要意义。我们提出了一种计算高效的分割网络，称之为 ShuffleSeg。所提出的架构在其编码器中基于分组卷积和通道混洗以提升性能。对包括跳跃架构、UNet 和膨胀前端在内的不同解码方法进行了消融研究比较。讨论了关于速度与精度权衡的有趣见解。结果表明，解码方法中的跳跃架构为实时性能目标提供了最佳折衷，同时它通过利用更高分辨率的特征图以获得更准确的分割而提供了足够的精度。ShuffleSeg 在 CityScapes 上进行了评估，并与最先进的实时分割网络进行了比较。它实现了 2 倍 GFLOPs 的降低，同时在 CityScapes 测试集上提供了相当的 58.3% 平均交并比。ShuffleSeg 在 NVIDIA Jetson TX2 上以 15.7 帧每秒运行，这使其具有很大的实时应用潜力。
引用
@article{arxiv.1803.03816,
title = {ShuffleSeg: Real-time Semantic Segmentation Network},
author = {Mostafa Gamal and Mennatullah Siam and Moemen Abdel-Razek},
journal= {arXiv preprint arXiv:1803.03816},
year = {2018}
}
备注
6 pages, under review by ICIP 2018