sinat_24674017的博客

论文链接https://arxiv.org/abs/1802.02611动机在Deeplabv3和PSPNet中，虽然丰富的语义信息被编码，但是在backbone网络中多次下采样使得被分割物体的边缘信息丢失，导致边缘模糊使用空洞卷积可以减少下采样，缓解由于下采样过多而使得被分割物体的边缘信息丢失的问题，但是空洞卷积往往导致占用过多显存，计算过于复杂，特别使当输出的分辨率是输入分辨率的1/...

为激发语义分割研究的新想法，特将最近的实时语义分割网络结构进行了汇总，方便大家对实时语义分割网络结构有一个直观快速的了解。Design of Real-time Semantic Segmentation Decoder for Automated DrivingAn efficient solution for semantic segmentation: ShuffleNet V2 wi...

论文链接http://openaccess.thecvf.com/content_ECCV_2018/papers/Changqian_Yu_BiSeNet_Bilateral_Segmentation_ECCV_2018_paper.pdf动机目前加速实时语义分割的方法：（1）限制输入图片的分辨率以减少计算复杂度，但导致了空间细节信息丢失 （2）减少网络通道数，但减弱了空间特征信息容纳能力...

论文链接https://arxiv.org/abs/1809.04184动机目前的工作显示了在图像分类任务上，通过meta learning自动设计的网络的表现已经超过了一些人工设计的网络。但是我们希望把meta learning技巧运用到其他视觉任务上，比如语义分割、目标检测。这类任务依赖高分辨率的图片输入以及多尺度的图片特征表达。但是把分类任务的想法运用到这类更复杂的任务上无法满足任务要...

论文链接http://openaccess.thecvf.com/content_cvpr_2018_workshops/papers/w12/Briot_Analysis_of_Efficient_CVPR_2018_paper.pdf动机目前有许多关于如何设计高效网络结构的研究，涉及到各种不同的技巧，但是对高效的网络结构设计技巧没有系统性的总结贡献对语义分割领域的网络设计方法技巧进行...