Jul, 2019

DABNet：实时语义分割的深度异向瓶颈

PDF
TL;DR本文提出了一种名为深度不对称瓶颈网络（DABNet）的语义分割神经网络，通过采用新颖的 Depthwise Asymmetric Bottleneck (DAB) 模块，融合了深度卷积和空洞卷积，在保持较高精度的同时也实现了实时性，对于自主系统和机器人仍具有较高的实用价值。
semantic segmentationreal-timedepth-wise asymmetric bottleneckcomputational efficiencyautonomous systems
发现论文，激发创造
  • 用于实时语义分割的高效非对称卷积密集模块

    本文提出一种卷积神经网络结构，命名为 Efficient Dense modules with Asymmetric convolution (EDANet)，它采用不对称卷积结构和膨胀卷积和稠密连接并具有低计算成本和模型大小，比现有的快速分割网络 ICNet 快 2.7 倍，并且在没有任何附加上下文模块、后处理方案和预训练模型的情况下实现类似的 mIoU 得分。在 Cityscapes 和 CamVid 数据集上评估 EDANet，与其他最先进的系统进行比较。我们的网络可以在一台 GTX 1080Ti 上以 108 FPS 的速度运行。

    Sep, 2018

  • 用于实时准确地对道路场景进行语义分割的深度双分辨率网络

    提出了一组高效的卷积神经网络骨干架构，通过双分辨率融合和深度上下文聚合金字塔池化模块，实现了在 Cityscapes 和 CamVid 数据集上的优于现有模型的精度和速度的实时语义分割。

    Jan, 2021

  • 城市街景的实时高性能语义图像分割

    本文提出了一种用于城市街景的语义分割的高性能深卷积神经网络方法，它实现了精度和速度之间的良好权衡，并展示了在实时速度下使用单个 NVIDIA TITAN X 卡片在具有挑战性的 Cityscapes 和 CamVid 测试数据集上分别实现了 73.6％和 68.0％的 mIoU 精度。

    Mar, 2020

  • 使用不对称标注的实时联合语义分割和深度估计

    利用深度学习模型在机器人中作为感知信息提取器的部署，有许多困难之处。本文着重探讨了其中三个最显著的障碍，即如何将单个模型适应于同时执行多个任务的需求、如何实现实时性、以及如何使用具有不对等标注数量的非对称数据集。通过使用实时语义分割网络和知识蒸馏的简单解决方案，我们将这些障碍一一克服。最终，我们的系统可以方便地扩展，使用单个模型同时处理更多任务和未来更多的数据集，能够在室内和室外分别执行深度估计和分割，并在 640x480 像素的输入上只需要一个前向通道即可实现 13ms 和 6.5 GFLOPs 成本的效果，从而直接将其用于场景的 3D 语义重建中。

    Sep, 2018

  • 实时语义分割中，对膨胀卷积的再思考

    本研究设计了一种双并行、使用不同扩张率的卷积层的 ResNeXt，以提高区域感知率和保留局部细节，进而实现语义分割，并在实时 Cityscapes 和 CamVid 数据集上取得迄今最优成果。

    Nov, 2021

  • DFANet: 深度特征聚合实时语义分割

    本文提出了一种名为 DFANet 的极其高效的卷积神经网络架构，用于在资源有限的情况下进行语义分割。通过子网络和子阶段级联聚合区分特征，通过多尺度特征传播，DFANet 大大减少了参数数量，并提高了模型学习能力，在速度和分割性能之间取得平衡。在 Cityscapes 和 CamVid 数据集上的实验证明了 DFANet 具有比现有最先进的实时语义分割方法快 2 倍，FLOPs 少 8 倍的卓越性能，同时提供可比较的准确性。具体而言，它在 Cityscapes 测试数据集上实现了 70.3％的 IOU 平均值，仅使用 1.7 GFLOPs，并在一张 NVIDIA Titan X 卡上以 160 FPS 的速度进行推断，在更高分辨率图像上推断时，实现了 71.3％的 IOU 平均值和 3.4 GFLOPs。

    Apr, 2019

  • 使用非常深的全卷积网络进行高性能语义分割

    本文提出了一种基于残差网络的高性能语义图像分割方法，并对不同变体的完全卷积残差网络进行了评估，进一步提出了用低分辨率网络模拟高分辨率网络的方法，引入了在线启动方法以及在一些残差块上应用的传统退化法，取得了在 PASCAL VOC 2012 数据集和 Cityscapes 上最好的平均重叠联合 75 的性能表现。

    Apr, 2016

  • 一种以速率 - 失真为视角的不确定性量化方法

    本论文介绍了一种名为 DAB（Distance Aware Bottleneck）的新方法，用于通过学习一个代码本，丰富深度神经网络的性质，从而提供确定性不确定性评估，达到更好的异常检测和误分类预测结果。

    Jun, 2024

  • 使用卷积网络进行语义二进制分割，无需解码器

    本文提出了一种高效的语义图像分割架构，使用深度空间（D2S）操作来消除传统编码器 - 解码器分割模型的解码器部分，减少计算量，相较于标准分割模型在路面分割数据集上表现可比、计算成本更低。

    May, 2018

  • DWRSeg：一种用于实时语义分割的扩张 - 残差网络

    提出了一个名为 Dilation-wise Residual segmentation (DWRSeg) 的有效且高效的结构，含有不同的感受野尺寸，可用于实时语义分割任务，城市景观和 CamVid 数据集上实验证明了该方法的有效性和轻便性能。

    Dec, 2022