论文阅读: 1808.BiSeNet
2023-04-18 13:10:20 时间
1808.00897:BiSeNet: Bilateral Segmentation Network for Real-time Semantic Segmentation
创新点
- 提出了 2-path 的 Bilateral Segmentation Network (BiSeNet),context path来编码不同感受野和不同尺度的高级语义信息(即high-level feature),spatial path来编码丰富的细节空间信息(即low-level feature),融合后得到预测结果。
- 提出了两个特殊的模块Feature Fusion Module (FFM) 和 Attention Refinement Module (ARM):
性能
- 在Cityscapes,Cityscapes,COCO-Stuff数据集实现了速度和精度的平衡。
- 这种并行的结构很快,训练时指标很高,但是主观效果一般。
相关文章
- 手写HashMap,快手面试官直呼内行!
- 学习通加Anki光速逃离挂科
- 机器学习 | LR公式
- 机器学习 | 交叉熵公式
- 机器学习 | LR的推导,损失函数
- 机器学习 | 特征工程综述
- 机器学习 | 泰坦尼克号数据集
- 机器学习 | 特征选择(Feature Selection)
- 机器学习 | 特征工程(数据预处理、特征抽取)
- 机器学习 | 随机森林推测泰坦尼克号存活概率
- 腾讯牵头全球首个零信任国际标准发布
- 机器学习 | 为什么LR模型损失函数使用交叉熵不用均方差?
- 机器学习理论基础 | 极大似然估计
- 论文解读 Greedy Function Approximation:A Gradient Boosting Machine
- EasyNVR视频点击开始录像提示“创建录像文件失败”排查
- EasyNVR视频平台新内核版本如何查看并发量?
- EasyCVR如何用api设置配置新的账号和角色?
- 颠覆大规模预训练!清华杨植麟组提出全新NLP学习框架TLM,学习效率×100倍
- 机器学习中特征选择的通俗讲解!
- 【NLP论文速递&&源码】弱监督文本分类(MotifClass)、自动文本分类(AdaptText)、论证充分性评估