用于快速场景理解的空间采样网络
计算机视觉与模式识别
2019-05-23 v1 人工智能
机器学习
摘要
我们提出一种用于高效场景理解的网络架构。本工作提出三项主要创新:其一是改进的引导上采样模块,可整体替代常见语义分割网络中的解码器部分。我们的第二个贡献是引入一种基于空间采样的新模块以执行实例分割,其提供非常快速的实例分割,在推理时仅需阈值化作为后处理步骤。最后,我们提出一种包含上述新模块的新型高效网络设计,并在不同室外场景理解数据集上进行了测试。据我们所知,我们的网络是迄今已发表的最高效的场景理解架构之一,且在语义分割上比最快的竞争者准确率高 8.6%,在实例分割上比最高效的网络快近五倍。
引用
@article{arxiv.1905.09033,
title = {Spatial Sampling Network for Fast Scene Understanding},
author = {Davide Mazzini and Raimondo Schettini},
journal= {arXiv preprint arXiv:1905.09033},
year = {2019}
}
备注
Accepted at CVPR2019 Workshop on Autonomous Driving