深度学习论文: Lightweight and Progressively-Scalable Networks for Semantic Segmentation及其PyTorch实现
深度学习论文: Lightweight and Progressively-Scalable Networks for Semantic Segmentation及其PyTorch实现
Lightweight and Progressively-Scalable Networks for Semantic Segmentation
PDF: https://arxiv.org/pdf/2207.13600.pdf
PyTorch代码: https://github.com/shanglianlm0525/CvPytorch
PyTorch代码: https://github.com/shanglianlm0525/PyTorch-Networks
1 概述
LPSNet 首先构建一个微型网络。然后,LPSNet 通过一次扩展单个维度(卷积块的数量、通道的数量或输入分辨率)逐步将微型网络扩展到更大的网络,以满足最佳速度/准确性权衡。
LPSNet 在 Cityscapes 上实现了 73.4% mIoU 和 413.5FPS 的速度。
2 LSPNet
LPSNet 中采用Multi-Path Framework的宏架构, 将输入图像放缩为不同大小的分辨率,送入相同的网络中,最后将所有的输出聚合到一个分割头输出最后结果。
LPSNet 在设计的过程中遵循三个原则:
- 选用标准卷积(而不是深度可分离卷积) 作为 LPSNet 中的构建块;
- 卷积的通道数设置为2的N次方;
- 为了在多个尺度上传播互补信息,设计了Multi-Path交互模块在stage3、stage4和stage5后面增强信息交互;
Multi-Path Interaction
下图分别为不同的交互结构设计和实验对比, 明显可以看出 Bilateral-B 性能更好且延迟最低。
3 Experiments
深度学习论文: Lightweight and Progressively-Scalable Networks for Semantic Segmentation及其PyTorch实现相关推荐
- 深度学习论文: LRNnet: a light-weighted network for real-time semantic segmentation及其PyTorch实现
深度学习论文: LRNnet: a light-weighted network with efficient reduced non-local operation for real-time se ...
- 深度学习论文: U-Net and its variants for Medical Image Segmentation : A short review
深度学习论文: U-Net and its variants for Medical Image Segmentation : A short review U-Net and its variant ...
- 深度学习论文: MicroNet: Improving Image Recognition with Extremely Low FLOPs及其PyTorch实现
深度学习论文: MicroNet: Improving Image Recognition with Extremely Low FLOPs及其PyTorch实现 MicroNet: Improvin ...
- 深度学习论文: Conv2Former: A Simple Transformer-Style ConvNet for Visual Recognition及其PyTorch实现
深度学习论文: Conv2Former: A Simple Transformer-Style ConvNet for Visual Recognition及其PyTorch实现 Conv2Forme ...
- 【论文翻译】Fully Convolutional Networks for Semantic Segmentation
论文题目:Fully Convolutional Networks for Semantic Segmentation 论文来源:Fully Convolutional Networks for Se ...
- 深度学习论文: TPH-YOLOv5: Improved YOLOv5 Based on Transformer Prediction Head 及其PyTorch实现
深度学习论文: TPH-YOLOv5: Improved YOLOv5 Based on Transformer Prediction Head for Object Detection on Dro ...
- FCN的学习及理解(Fully Convolutional Networks for Semantic Segmentation)
大多数人接触"语义"都是在和文字相关的领域,或语音识别,期望机器能够识别你发出去的消息或简短的语音,然后给予你适当的反馈和回复.嗯,看到这里你应该已经猜到了,图像领域也是存在&qu ...
- 论文笔记《Fully Convolutional Networks for Semantic Segmentation》
[论文信息] <Fully Convolutional Networks for Semantic Segmentation> CVPR 2015 best paper key word: ...
- [深度学习论文笔记]Knowledge distillation from multi-modal to mono-modal segmentation networks从多模态到单模态分割的知识提取
Knowledge distillation from multi-modal to mono-modal segmentation networks 从多模态分割网络到单模态分割网络的知识提取 MI ...
最新文章
- quickpcb添加pcb库_quickpcb使用说明
- 安全测试的基本原则有哪些?
- pb更新oracle表格,PB自定义retrieve刷新函数、PB导入excel表、打印
- 语音信号短时域分析之预处理(三)
- python中字典的键必须是可以哈希的对象
- 前端学习(1392):多人管理项目12加密
- Pacman主题下给Hexo增加简历类型
- java矩阵类_java矩阵类,矩阵的乘法
- java 高级网络编程_java高级网络编程—客户端与服务器
- javamailsender注入失败_Springboot 之 JavaMailSender发送电子邮件
- 【问答语录】为什么各大公司请敏捷开发咨询顾问,都偏向项目管理,是不是偏了?没有核心技术思想,管理能解决实质问题?
- awg线径与电流_AWG线径对照表
- json编辑器插件 vue_vue-json-editor json编辑器
- java过滤空号了停机号_手机号码空号检测
- ecshop二次开发_Logo和版权信息
- HTML CSS游戏官网网页模板——卡通的萌王游戏网页(13个页面)
- HDU-5857-Median
- 两台Ubuntu18.04局域网共享文件夹,互相访问
- 不能与牛肉一起吃的食物
- %d %ld %lld