论文阅读: 1911.SINet
2023-04-18 13:10:43 时间
- SINet 侧重于在提升人像分割网络的速度。
网络结构
- 网络框架主要分为两部分:
- 包含 空间压缩模块(spatial squeeze module)的编码器。
- 空间压缩模块(spatial squeeze module):
- 在 shuffleNetV2 模块的基础上,在不同路径上使用不同尺度的池化操作压缩特征空间分辨率,提取不同感受野的特征来应对不同尺度的人像,减少计算延时。
- 选择average pooling 而不是dilated convolution增大感受野,是因为后者会带来较大时延以及栅格效应(grid effects)。
- 结构如下:
- 空间压缩模块(spatial squeeze module):
- 包含 信息屏蔽机制(information blocking scheme)的解码器。
- 信息屏蔽机制:
- 是根据深层低分辨率特征预测的人像置信度,在融合浅层高分辨率特征时,屏蔽高置信度区域,只融合低置信度区域的浅层特征,避免引入无关的噪声。
- 信息屏蔽机制:
- 最终完整的网络结构如下:
- 包含 空间压缩模块(spatial squeeze module)的编码器。
性能
- 论文数据:SINet 在 EG1800 人像分割测试集的 MIOU 为 95.3%,但模型参数大小只有 86.9K,和 PortraitNet 相比减少 95.9% 的参数。
- 实际使用:真的很轻量级。information blocking 很轻但是精度一般。
相关文章
- EasyCVR对接华为iVS订阅摄像机和用户变更请求接口介绍
- 精选 | 腾讯云CDN内容加速场景有哪些?
- 模块化网络防止基于模型的多任务强化学习中的灾难性干扰
- 用搜索和注意力学习稳健的调度方法
- 用于多变量时间序列异常检测的学习图神经网络
- 助力政企自动化自然生长,华为WeAutomate RPA是怎么做到的?
- 使用腾讯轻量云搭建Fiora聊天室
- TSRC安全测试规范
- 云计算“功守道”
- 助力成本优化,腾讯全场景在离线混部系统Caelus正式开源
- Flink 利器:开源平台 StreamX 简介
- 腾讯云实践 | 一图揭秘腾讯碳中和?解决方案
- 深度学习中的轻量级网络架构总结与代码实现
- 信息系统项目管理师(高项复习笔记三)
- Adobe国际认证让科技赋能时尚
- c++该怎么学习(面试吃土记)
- 面试官问发布订阅模式是在问什么?
- 面试官:请实现一个通用函数把 callback 转成 promise
- 空中悬停、翻滚转身、成功着陆,我用强化学习「回收」了SpaceX的火箭
- 中山大学林倞解读视觉语义理解新趋势:从表达学习到知识及因果融合