12、语义分割中的高效网络与表示分离技术探索

语义分割中的高效网络与表示分离技术探索

1. 深度双分辨率网络（DDRNets）

深度双分辨率网络（DDRNets）旨在实现快速且鲁棒的语义分割。在训练阶段，采用了深度监督技术，借鉴PSPNet的方法，引入权重为0.4的辅助损失，不过在测试阶段不使用辅助分割头。

1.1 数据集

• Cityscapes ：专注于城市街道场景解析，有19个类别，图像分辨率为2048×1024，对实时语义分割应用是个挑战。
• CamVid ：包含367张训练图像、101张验证图像和233张测试图像，共11个类别，训练时将训练集和验证集合并。
• Comma10k ：有10,000张图像，分辨率为1164×874，类别数量比Cityscapes少，但图像场景多样，包括夜间驾驶场景，模型验证使用文件名以“9.png”结尾的图像。

1.2 训练设置

• ImageNet预训练 ：在进行语义分割任务的微调之前，先在ImageNet数据集上进行预训练，采用与以往工作相同的数据增强策略和训练协议。
• 不同数据集训练细节 ：
  • Cityscapes ：遵循特定训练协议，应用随机裁剪、缩放和水平翻转等数据增强技术，将图像随机裁剪为1024×1024大小，网络优化484个epoch（约120,000次迭代），批量大小为1