用于高效语义分割的瀑布状空洞空间池化架构
计算机视觉与模式识别
2019-12-09 v1
摘要
我们提出了一种基于“瀑布”状空洞空间池化（Atrous Spatial Pooling）架构的语义分割高效新架构，在减少网络参数数量和内存占用的同时实现了可观的精度提升。所提出的瀑布架构利用了级联架构中渐进式滤波的高效性，同时保持了与空间金字塔配置相当的多尺度感受野。此外，我们的方法不依赖于带条件随机场（Conditional Random Fields）的后处理阶段，进一步降低了复杂度和所需训练时间。我们证明了采用 ResNet 骨干网络的瀑布方法是一种鲁棒且高效的语义分割架构，在 Pascal VOC 数据集和 Cityscapes 数据集上以参数数量显著减少取得了最先进（state-of-the-art）结果。
引用
@article{arxiv.1912.03183,
title = {Waterfall Atrous Spatial Pooling Architecture for Efficient Semantic Segmentation},
author = {Bruno Artacho and Andreas Savakis},
journal= {arXiv preprint arXiv:1912.03183},
year = {2019}
}
备注
17 pages, 11 figures