语义分割论文:RGPNET: a real-time general purpose semantic segmentation
发布时间
阅读量：
阅读量
RGPNET: 该算法实现了实时性目标，并且具备通用性。
具体论文信息可见：https://arxiv.org/pdf/1912.01394.pdf。
PyTorch代码: https://github.com/shanglianlm0525/PyTorch-Networks
1 适配器(Adaptor)
Adaptor整合了来自不同层级的特征，并进一步促进边界细节的优化。该模块通过引入较短的辅助路径来优化渐变梯度流的过程。
Adaptor优点：
- Adaptor整合了多维度特征间的相互作用。
- 引入简化的连接架构有助于自深层梯度的有效传输。
- Adaptor基于轻量编码器的独特结构实现了降维设计，在降低网络复杂度的同时提升了梯度传输效率。其显著优势在于能够使其更适合应用于实时场景（因为它不仅有效地保持了空间信息并提供了丰富的语义内容）。
2 带有标签的松驰的逐步调节规模(Progressive Resizing with Label Relaxations)
提出一种改进型的标签松弛方案来解决因分辨率降低导致的标签映射模糊问题, 其核心在于采用基于像素周围区域相似度的最大化策略, 而非仅基于单像素级别进行的最大化处理。
同时针对边界类别，提出了边界损失函数
3 网络结构
全部评论 (0)
还没有任何评论哟~