[深度学习从入门到女装]LEDNET: A LIGHTWEIGHT ENCODER-DECODER NETWORK FOR REAL-TIME SEMANTIC SEGMENTATION

最新推荐文章于 2025-01-18 18:15:00 发布
最新推荐文章于 2025-01-18 18:15:00 发布
阅读量509 收藏 2
点赞数
CC 4.0 BY-SA版权
分类专栏： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/py184473894/article/details/96971509
介绍了一种名为LEDNet的轻量化编码器-解码器网络结构，该网络针对实时语义分割任务进行了优化。它引入了split-shuffle-non-bottleneck模块来改善特征重用，并使用attention pyramid network来增强全局上下文信息。实验采用批量大小5，学习率0.0005等参数。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

论文地址：LEDNET: A LIGHTWEIGHT ENCODER-DECODER NETWORK FOR REAL-TIME SEMANTIC SEGMENTATION

 

一篇来自南邮的语义分割的论文，也是采用了encoder-decoder的结构，有两个创新点

 

 

split-shuffle-non-bottleneck(SS-nbt)

就是将shufflenet module的block用在了这里，每个block进行channel group conv，如果是连续的channel group conv，会导致通道之间没有特征分享，因此需要在每个block之间将channel进行shuffle，从而做到特征分享

 

 

attention pyramid network (APN) 

 

 

训练的时候，batch=5，lr=0.0005，momentum=0.9，weight decay=0.0001

 

深度学习论文: LEDnet: A lightweight encoder-decoder network for real-time semantic segmentation及其PyTorch实现
mingo_敏
07-01 1609
深度学习论文: LEDnet: A lightweight encoder-decoder network for real-time semantic segmentation及其PyTorch实现 LEDnet: A lightweight encoder-decoder network for real-time semantic segmentation PDF:https://arxiv.org/pdf/1905.02423.pdf PyTorch: https://github.com/shan
深度学习论文: SegFormer:Simple and Efficient Design for Semantic Segmentation with Transformers及其PyTorch实现
mingo_敏
10-19 1756
SegFormer使用一种分层特征表示的方法，每个transformer层的输出特征尺寸逐层递减，通过这种方式捕获不同尺度的特征信息。并且舍弃了ViT中的position embedding操作，避免了测试图像与训练图像尺寸不同而导致模型性能下降的问题。在decoder部分采用简单的MLP结构，聚合transformer层不同尺度的特征，可以同时融合局部注意力和全局注意力。
LEDNET: A LIGHTWEIGHT ENCODER-DECODER NETWORK FOR REAL-TIME SEMANTIC SEGMENTATION
阿辉的博客
05-15 1324
文章目录LEDNET: A LIGHTWEIGHT ENCODER-DECODER NETWORK FOR REAL-TIME SEMANTIC SEGMENTATION1. 网络总体结构2. Lightweight2.1 channel 数目少2.2 SS-nbt3.剩下几个疑问 LEDNET: A LIGHTWEIGHT ENCODER-DECODER NETWORK FOR REAL-TIM...
图像分割：LEDNet: A Lightweight Encoder-Decoder Network for Real-time Semantic Segmentation
微风❤水墨
05-21 1669
文章日期： 2019年 arXiv:https://arxiv.org/abs/1905.02423 github: https://github.com/xiaoyufenfei/LEDNet 今天看到一篇实时分割的文章，简洁明了，有较好的借鉴意义，所以记录分享一下。 创新点： 1：对残差块进行了优化，使用split和shuffle操作，参数量大幅降低，提升了前向的推理速度； 2...
《LEDNet：A Lightweight Encoder-Decoder Network For Real-Time Semantic Segmentation》论文笔记
m_buddy的博客
05-26 1281
代码地址1：LEDNet official 代码地址2：LEDNet unofficial 1. 概述 导读：这篇文章提出的方法LEDNet是用于解决实时场景下的分割任务的，该网络是采用非对称的编解码器结构。具体的，采用ResNet网络作为主干网络，在每个残差块中使用channel split与shuffle减少计算量（shufflenet的思想）；在解码器中使用attention pyrami...
SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation
qq_52684249的博客
01-18 1187
SegNet是在FCN网络模型的基础上，修改VGG-16网络得到的语义分割网络，通过存储最大池化索引以保留边界信息、去掉全连接层并使用批量归一化等手段，解决了边界划分不清、计算量大等问题，降低了内存和存储需求，加快了推理速度，提升了像素级分类精度，实现了高内存效率、轻量模型、高分割精度和快速推理。在CamVid数据集上准确率超83%，在遥感图像建筑物分割等任务中性能更优，满足实时性检测需求。
ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation
YoGooooooooooo的博客
08-19 622
在移动应用中，实时执行像素级语义分割的能力是至关重要的.针对这一任务的最近的深层神经网络存在着重复使用的缺点。**深度神经网络有大量浮点操作，且运行时间长，阻碍了它们的可用性**.本文提出了一种新的深层神经网络体系结构-高效神经网络(ENET)。相比于现有的模型，在速度加快了18×倍，浮点计算量上减少了75×，参数减少了79×，且有相似的精度。ENet在CamVid, Cityscapes and SUN datasets做了相关对比测试。
【Segmenter: Transformer for Semantic Segmentation论文解读】
qq_42476803的博客
12-01 1496
这篇文章属于是将Transfomer用于语义分割的早期尝试。编码器和解码器都用的是ViT的transfomer块。创新点主要位于解码器部分，作者构思了两种解码器让从transfomer编码器里面出来的特征图经过解码器得到最终分割图。论文PDF地址github代码地址图像分割在单独的图像patch级别会出现模糊不清的情况，分割需要上下文信息才能有较好的效果。本文介绍的Segmenter可以在网络中进行全局上下文建模。
Python-LEDNet一种用于实时语义分割的轻量级编码器解码器网络
08-11
LEDNet: A Lightweight Encoder-Decoder Network for Real-time Semantic Segmentation
基于深度学习的智能LED控制系统研究与设计.pdf
08-19
基于深度学习的智能LED控制系统研究与设计.pdf
Liquid-Crystals-DL:使用深度学习对液晶纹理进行分类
04-07
液晶液体 MPhys最后一年的项目，使用卷积神经网络对液晶纹理进行分类。 请参阅报告部分以获取项目记录和详细信息。
论文笔记——ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation
baidu_41902768的博客
12-13 742
论文地址。 相比 SegNet、FCN 等以 VGG 作为特征识别部分的网络，作者提出了一个更加轻量级、运算量和参数量都较小的网络，来提高语义分割在实际使用中的推断时间和减轻对设备的要求。网络的名字叫做 ENet，即 efficient neural network。 网络结构 在了解网络结构之前，通常都是看看网络的组成单元 block。EN...
【目标检测】10、LEDNet
呆呆的猫的博客
05-21 6612
摘要 大量的计算限制了 CNNs 在移动设备上的部署，本文提升了一个轻量级网络 LEDNet 来解决该问题，该结构使用不对称的 “编码-解码” 机制来解决实时语义分割问题。 详细来说，编码器采用 RestNet 作为 backbone，每个残差模块都使用了 channel split 和 channel shuffle，来减小计算量并提高分割准确率。 另外，解码器中使用注意力金字塔网络 atten.........
图像语义分割论文（三）LEDNET
DONG_LIN_2019的博客
02-19 764
LEDNET: A LIGHTWEIGHT ENCODER-DECODER NETWORK FOR REAL-TIME SEMANTIC SEGMENTATION 技巧：残差+APN
LEDNET论文阅读
Nick Blog
12-17 525
LEDNET 用于语义分割的轻量级编码器解码器网络 LEDNET A LIGHTWEIGHT ENCODER-DECODER NETWORK FOR REAL-TIME SEMANTIC SEGMENTATION 论文地址 github代码 1. 摘要 算力负担限制了移动设备中CNN在密集估计任务中的使用。在本文中，我们提出了一个轻量级网络来解决这个问题，即 LEDNet，它采用非对称（asymmetric）编码器 - 解码器架构来进行实时语义分割。更具体地说，编码器采用 ResNet 作为骨干网络，其中
轻量化实时语义分割LiteSeg——从算法原理到模型训练与部署
热门推荐
知来者逆的博客
05-04 1万+
1.语义分割可用于代替传统算法的边缘检测，图像分割，多应用于自动驾驶、文档处理，工业缺陷检测等领域。 2.LiteSeg是一种实时的轻量级的语义分割网络，为了在 移动端上能有更快的速度和更好的效果，在论文的基础上做了算法优化。 2.博客详细的记录了LiteSeg这个网络从论文复现到优化模型、训练模型、模型部署推理的步骤与代码实现。
探索教育大数据：EdNet 开源项目
gitblog_00055的博客
05-27 1312
探索教育大数据：EdNet 开源项目 去发现同类优质开源项目:https://gitcode.com/ EdNet 是一个由 Santa 人工智能辅导服务收集的大型学生行为数据集，涵盖两年多的数据，涉及超过78万韩国学生。这个数据集旨在为教育领域的研究者提供一个前所未有的平台，以探索和理解学习过程中的复杂互动模式。 项目简介 EdNet 的最大特色在于其规模大、多样性丰富、结构层次分明以及跨平台特...
EdNet数据集分析
sereasuesue的博客
11-22 3223
https://edudata.readthedocs.io/en/latest/build/blitz/EdNet_KT1/EdNet_KT1.htmlhttps://edudata.readthedocs.io/en/latest/build/blitz/EdNet_KT1/EdNet_KT1.html知识追踪数据集介绍_sereasuesue的博客-优快云博客_知识追踪数据集最近准备用这个数据集进行跑数据，但发现对这个数据集不够了解，花费了很多时间，最近偶然发现了几篇介绍文章特整理 Fie
LightViT: A Lightweight Vision Transformer for Real-Time Applications
最新发布
03-19
### LightViT: 轻量级视觉Transformer架构及其实时应用场景 LightViT是一种轻量化设计的Vision Transformer (ViT)，旨在解决传统ViT模型计算复杂度高、难以部署于资源受限环境的问题。它通过引入高效的注意力机制和...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值