/*
天下武功,唯快不破。要想在移动终端或者嵌入式系统上应用,小巧高速是很重要的。ENet在追求高效率的同时兼顾了精度,站在巨人的肩膀上,综合了很多特色的网络结构,并在输入端首先加以压缩达到加速的目的。论文很好直观易懂,称述很坦诚,代码也非常清晰,nice!
*/
在移动设备上,语义分割的实时性非常重要,近期的很多深度神经网络都要求大量的浮点操作且非常耗时,因此本文专门设计了一种高效率的神经网络ENet(efficient neural network),做到飞一般的享受。
CNN的分类做的很好,但是像素级别的分割比较粗糙,基于VGG16结构的SegNet和FCN虽然在结果上比较出色,但是需要大量的参数及推理时间,这也是我们ENet的优势所在了。
ENet的网络结构如图1,讲整个网络分成了不同的部分和阶段。
————————–图1—————————
细化到每个小部件,结构中具体的模块构造如图2所示
————————–图2—————————
使用卷积网络就会遇到下采样(downsampling),下采样会导致丢失部分边缘信息,同时上采样也会需要较大计算量。前者通过SegNet的方法解决,