ENet —一种针对实时语义分割的深度神经架构

本文为 AI 研习社编译的技术博客，原标题 ：

ENet — A Deep Neural Architecture for Real-Time Semantic Segmentation

作者 |  Arunava

翻译 | callofduty890              

校对 | 酱番梨        审核 | Pita       整理 | 立鱼王

原文链接：

https://towardsdatascience.com/enet-a-deep-neural-architecture-for-real-time-semantic-segmentation-2baa59cf97e9

Fig 1. A conversation between a semantic segmented guy and a toon

这是该论文的论文摘要：

ENet：用于实时语义分割的深度神经网络体系结构

作者：Adam Paszke

论文：https://arxiv.org/abs/1606.02147

    概论

ENet（高效神经网络）提供了实时按像素进行语义分割的能力。 ENet的速度提高了18倍，FLOP要求减少了75倍，参数减少了79倍，并且为现有模型提供了类似或更好的精度。 在CamVid，CityScapes和SUN数据集上测试。

    方法：

图3. ENet架构

以上是完整的网络架构。

它分为几个阶段，由表格中的水平线和每个块名称后的第一个数字突出显示。

报告输出尺寸为输入图像分辨率512 * 512

图4. ENet的每个模块都有详细说明

视觉表现：

- 初始模块是（a）中所示的模块

- 并且瓶颈模块显示在（b）

每个瓶颈模块包括：

- 1x1投影，降低了维度

- 主卷积层（conv）（ - 常规，扩张或完整）（3x3）

- 1x1扩展

- 并且它们在所有卷积层之间放置批量标准化和PReLU

如果瓶颈模块是下采样，则将最大池化层添加到主分支。 此外，第一个1x1投影被替换为2x2卷积，stride = 2。

它们将激活无填充以匹配要素图的数量。

conv有时是不对称卷积，即5 * 1和1 * 5卷积的序列。

对于正则化器，他们使用Spatial Dropout：

- 在瓶颈2.0之前p = 0.01

- 完成之后p = 0.1

所以，

1. 阶段1,2,3-编码器 - 由5个瓶颈模块组成（除了阶段3没有下采样）。

2. 阶段4,5-解码器 - 阶段4包含3个瓶颈，阶段5包含2个瓶颈模块

3. 接下来是一个fullconv，它以尺寸输出最终输出 - C * 512 * 512，其中C是滤波器的数量。

还有一些事实：

- 他们没有在任何预测中使用偏见项

- 在每个卷积层和激活之间，它们使用批量标准化

- 在解码器中，MaxPooling被MaxUnpooling取代

- 在解码器中，Padding被替换为Spatial Convolution而没有偏差

- 在最后一个（5.0）上采样模块中不使用池化索引

- 网络的最后一个模块是一个裸完全卷积，它占据了处理时间的大部分解码器。

- 每个侧支有一个空间丢失，第1阶段p = 0.01，之后阶段p = 0.1。

    结果

对ENet的表现进行了基准测试

- CamVid（道路场景）

- CityScapes（道路场景）

- SUN RGB-D（室内场景）

使用SegNet [2]作为基线，因为它是最快的分割模型之一。 使用cuDNN后端使用Torch7库。

使用NVIDIA Titan X GPU以及NVIDIA TX1嵌入式系统模块记录推理速度。 输入图像大小为640x360，速度超过10fps。

图5.使用SegNet作为基线的两个不同GPU的推理时间比较

图6. SegNet和ENet的硬件要求

自定义类权重方案定义为

图7所示。自定义类权重方案的公式

其中c = 1.02

并且类权重被限制在[1,50]的区间内

图8. CityScapes数据集的性能

图9. CamVid数据集的性能

    参考:

A. Paszke, A. Chaurasia, S. Kim, and E. Culurciello. Enet: A deep neural network architecture for real-time semantic segmentation. arXiv preprint arXiv:1606.02147, 2016.

V. Badrinarayanan, A. Kendall, and R. Cipolla, “Segnet: A deep convolutional encoder-decoder architecture for image segmentation,” arXiv preprint arXiv:1511.00561, 2015.

我最近还转载了这篇论文，可以在这里找到:

https://github.com/iArunava/ENet-Real-Time-Semantic-Segmentation

想要继续查看该篇文章相关链接和参考文献？

点击【 ENet——一种针对实时语义分割的深度神经架构 】或长按下方地址访问：

https://ai.yanxishe.com/page/TextTranslation/1468

AI研习社今日推荐： 雷锋网雷锋网雷锋网 (公众号：雷锋网)

卡 耐基梅隆大学 2019 春季《神经网络自然语言处理》是CMU语言技术学院和计算机学院联合开课，主要内容是教学生如何用神经网络做自然语言处理。神经网络对于语言建模任务而言，可以称得上是提供了一种强大的新工具，与此同时，神经网络能够改进诸多任务中的最新技术，将过去不容易解决的问题变得轻松简单。

加入小组免费观看视频： https://ai.yanxishe.com/page/groupDetail/33