Dense Dual-Path Network for Real-time Semantic Segmentation

论文链接：https://arxiv.org/abs/2010.10778

在平衡精度和速度上，表现SOTA！如在Cityscapes上，可达52.6 FPS / 75.3％mIoU，性能优于ShelfNet、SwiftNet和DABNet等网络，作者单位：同济大学

语义分割以高计算量和大量参数取得了显著效果。但是，实际应用需要在嵌入式设备上具有高效的推理速度。以前的大多数工作都是通过减少网络的深度，宽度和层容量来解决这一挑战，从而导致性能下降。在本文中，我们介绍了一种新颖的密集双路径网络（DDPNet），用于在资源限制下进行实时语义分割。我们设计了轻巧且功能强大的骨干网，并具有密集的连接性，以促进整个网络中特征的重用，并提出了双路径模块（DPM）以充分聚合多尺度上下文。同时，利用跳过架构构建了一个简单有效的框架，该架构利用高分辨率特征图来细化分割输出，并利用特征图中的上下文信息来细化热图的上采样模块。提出的DDPNet在平衡精度和速度方面显示出明显的优势。具体来说，在Cityscapes测试数据集上，在一张GTX 1080Ti卡上输入1024 X 2048分辨率时，DDPNet以52.6 FPS达到75.3％mIoU。与其他最新方法相比，DDPNet以可比的速度和更少的参数实现了明显更高的精度。

内容中包含的图片若涉及版权问题，请及时与我们联系删除