分割网络-ExtremeC3Net(轻量级)
《ExtremeC3Net: Extreme Lightweight Portrait Segmentation Networks using Advanced C3-modules》
时间:20190812
作者团队:首尔大学&Clova AI
1. 摘要
人像分割任务作为许多任务的一个中间阶段,对实时性要求极高,并且当前缺乏大规模的人像分割数据集,为此论文提出ExtremeC3Net模型和用于进行数据扩充的简单方法。ExtremeC3Net基于改进的C3模块,能够实现精度较高速度极快的人像分割,并且这种极轻量化的分割网络也在其他任务中给了我们应用的启发。
论文:https://arxiv.org/abs/1908.03093
代码:https://github.com/clovaai/ext_portrait_segmentation
2. 改进的C3模块
轻量化语义分割网络多采用深度可分离卷积和空洞卷积结合的方式,提升性能的同时保持尽可能大的感受野,但是前者对于标准卷积的不恰当近似和后者存在的空格效应,使得特征图信息丢失,模型表现不佳。为此之前有文章提出C3模块即"Concentrated-Comprehensive Convolution Block",用于构建新型的轻量化语义分割网络。
本文对该模块进行调整与改进,模型结构如下所示:
其中不同层的改进C3模块的扩张率不再相同,而是采用了不同的扩张率,如下表所示:
2. ExtremeC3Net 架构
ExtremeC3Net基于双分支结构,如下图所示,分为CoarseNet分支和FineNet分支,前者用于提取生成的语义信息而后者用于提取千层的位置细节,最终将二者的特征图逐元素相加。
CoarseNet分支由一系列改进的C3模块组成,能够给出一个粗糙的分割结果。该分支首先通过一个步长为2的卷积和一个改进的C3模块,将特征图尺寸缩小至原来的四分之一,接着7个C3模块依次产生特征图(不进行下采样,该分支在两个特定的点进行下采样),每个C3模块都有不同的扩张率组合,最后应用一个点卷积,使得其与FineNet的输出特征图通道数相同。FineNet分支用于产生精细的分割边界,首先下采样为原始图像尺寸的一半,然后应用C3module进行空间细节信息的提取。然后应用双线性插值上采样(CoarseNet上采样因子为4,FineNet上采样因子为2),最后进行一个逐元素的相加。
文章在训练模型的时候使用了Lovasz损失,这个损失不但用于主分割流程,还用于边界位置辅助分割网络(使用二进制掩码的形态学腐蚀和膨胀的差作为分割结果的边缘),最终损失为:
3.数据扩充方法
从通用数据集上跳出包含人像的数据和分割结果;使用DeepLabV3+通用目标分割网络再在人像数据上微调,用于产生人像分割的掩码。
4.实验结果
EG1800数据集:
原文链接:https://blog.csdn.net/weixin_45250844/article/details/115151322
分割网络-ExtremeC3Net(轻量级)相关推荐
- FDDWNET:模型参数仅为0.8M,速度和准确率综合性能在轻量级分割网络中达到SOTA
作者:Tom Hardy Date:2020-02-04 来源:FDDWNET:模型参数仅为0.8M,速度和准确率综合性能在轻量级分割网络中达到SOTA
- 轻量级的肝脏与肝肿瘤 2.5D 分割网络阅读笔记
文章目录 1 前言 2 方法概述 2.1 InceptionV1-V3 and convolution conversion 2.2 Residual block 2.3 2.5D 网络 3 RIU- ...
- 轻量级肝脏与肝脏瘤2.5D分割网络阅读笔记
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 作者丨李响 来源丨GiantPandaCV 文章目录 1 前言 2 方法概述 2.1 Inceptio ...
- 一文概览主要语义分割网络:FCN,SegNet,U-Net...
本文来自 CSDN 网站,译者蓝三金 图像的语义分割是将输入图像中的每个像素分配一个语义类别,以得到像素化的密集分类.虽然自 2007 年以来,语义分割/场景解析一直是计算机视觉社区的一部分,但与计算 ...
- 北航、旷视联合,打造最强实时语义分割网络
来源:AI科技评论 编辑:Camel 导语:MSFNet在Cityscapes测试集上达到77.1%mIoU/41FPS(注意是1024*2048),在Camvid测试集上达到75.4 mIoU/97 ...
- 干货 | 一文概览主要语义分割网络,FCN、UNet、SegNet、DeepLab 等等等等应有尽有
翻译不易,麻烦 Ctrl-C Ctrl-V 之后标注转载并加上原译者!! 部分内容翻译,部分内容原创. 内容较多,可以传送门直达.新网络待更- 文章目录 介绍 网络架构 Fully Convoluti ...
- Fast-SCNN 多分支结构共享低级特征的语义分割网络 (一)
1.fast-scnn 应用场景 github代码 根据对论文的研究,暂时整理了四类使用场景 1 .自动驾驶汽车快速实时识别语义分割 根据论文 fast-scnn本身就是为实时物体分类来做的,从语义级 ...
- 人像分割之ExtremeC3Net
1. 摘要 人像分割任务作为许多任务的一个中间阶段,对实时性要求极高,并且当前缺乏大规模的人像分割数据集,为此论文提出ExtremeC3Net模型和用于进行数据扩充的简单方法.ExtremeC3Net ...
- CVPR2020 | 即插即用!将双边超分辨率用于语义分割网络,提升图像分辨率的有效策略...
点击上方"AI算法修炼营",选择"星标"公众号 精选作品,第一时间送达 本文是收录于CVPR2020的工作,文章利用低分辨率的输入图像通过超分辨率网络生成高分辨 ...
最新文章
- Java字节码instrument研究
- java将图片放进mysql中_在java代码中怎么从服务器上把图片拿来放到数据库里
- python发声-python 发声
- weblogic cluster error-----Could not= open connection with host: 127.0.0.1
- php俩个字符串合并,php分割合并两个字符串的函数实例
- Struts2中的Action
- 囚犯生存概率引发的循环思考
- 什么是 操作系统 自举?
- 神抓拍!2020搞笑野生动物摄影大赛,哈哈哈哈哈笑到头掉
- MySQL Server Architecture
- LeetCode 939. 最小面积矩形(哈希)
- SK海力士收购英特尔NAND闪存业务已获韩国公平贸易委员会批准
- NXP S32K RTC模块手册中文
- 最完整Android Studio插件整理 (转)
- win10 系统下获取系统版本号为6.2的问题
- kali linux nmap命令的使用
- extjs表格编辑、EditorGridPanel
- c++质数判定及输出质数表
- 2018数模国赛A题分析及训练论文
- referer与referrer