在医学中使用低分辨率输入进行语义分割的嵌入式部署

Mar, 2024

在医学中使用低分辨率输入进行语义分割的嵌入式部署

Embedded Deployment of Semantic Segmentation in Medicine through Low-Resolution Inputs

Erik Ostrowski, Muhammad Shafique

TL;DR通过利用较低分辨率输入和高分辨率地面真值，本文提出的架构在不增加大量参数的同时，提高了预测质量 5.5%，将每秒帧速率从 25 降低至 20，为轻量级癌症 MRI 图像的语义分割增强了现有的框架。

Abstract

When deploying neural networks in real-life situations, the size and computational effort are often the limiting factors. This is especially true in environments where big, expensive hardware is not affordable, like in embedded medical devices, where budgets are often tight. State-of-t

neural networks embedded medical devices lightweight solutions input resolution high-resolution ground truths

发现论文，激发创造

关于图像分辨率对语义分割影响的研究

通过简化网络架构，我们展示了一种直接产生高分辨率分割结果的简化模型，其性能可以与生成低分辨率结果的更复杂系统匹配，并通过底层信息传播技术在不同尺度上提高分割准确性。

Feb, 2024

为实时道路图像语义分割辩护：基于预训练 ImageNet 架构

本文提出了一种基于 light-weight general purpose architecture、light-weight upsampling 以及融合多重分辨率的特征来扩大接受域的语义分割方法，在多个数据集上获得显着的优越性能和较高的 MIoU 和帧率。

Mar, 2019

LinkNet：利用编码器表征进行高效的语义分割

本文提出了一种新的深度神经网络架构，使其能够在保持准确性的同时，无需显着增加参数数量，从而提高像素级语义分割的实时性能和效率。

Jun, 2017

街景语义分割的全分辨率残差网络

提出了一种 ResNet-like 的网络结构，结合多尺度上下文信息和像素级精确度，使得在不需要额外处理步骤和预训练的情况下，可以在 Cityscapes 数据集上实现 71.8％的交并比得分，以提高自动驾驶系统中的图像分割效果。

Nov, 2016

RTSeg：实时语义分割比较研究

本文提出了一个实时语义分割基准测试框架，包括特征提取和解码方法的分离设计，采用不同的网络架构和分割方法，在城市场景的 Cityscapes 数据集上进行了实验，并展示了与 SegNet 相比可实现 143 倍 GFLOPS 减少的优势。

Mar, 2018

基于深度神经网络的建筑轮廓分割多任务学习

本文研究了高分辨率遥感卫星图像中像素级预测方法的挑战，提出了一种新的级联多任务损失来保留语义分割边界。结果表明，不需要额外的后处理步骤，我们的方法在 Inria 航空图像标注数据集上优于现有技术 8.3％。

Sep, 2017

基于内存限制的超高分辨率无人机影像语义分割

该论文阐述了在 GPU 内存限制的情况下，实现高效而有效的超高分辨率无人机图像分割的复杂问题，提出了一种新颖的空间引导式高分辨率查询模块和高效的基于内存的交互方案来改进现有方法中较小、较细和曲线区域的分割效果。

Oct, 2023

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

ICNet 用于高分辨率图像的实时语义分割

本文提出了一种基于图像级联网络 (ICNet) 的实时语义分割方法，通过多分辨率分支和级联特征融合单元，以及恰当的标签引导来降低像素级标签推断的计算量，从而实现对挑战性数据集（如 Cityscapes，CamVid 和 COCO-Stuff）的高质量实时分割。

Apr, 2017

基于空间稀疏性的实时语义图像分割

本文介绍了一种语义分割的方法，通过使用双列网络结构和特定区域的忽略来降低计算成本，并在保证较高质量的前提下实现每秒处理约 15 张高分辨率 Cityscapes 图像的能力，达到了 72.9％的平均交集联合得分。

Dec, 2017