ENet —一种针对实时语义分割的深度神经架构

栏目: 数据库 · 发布时间: 5年前

内容简介: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

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

ENet —一种针对实时语义分割的深度神经架构

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。

ENet —一种针对实时语义分割的深度神经架构

ENet —一种针对实时语义分割的深度神经架构

    方法:

ENet —一种针对实时语义分割的深度神经架构

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

ENet —一种针对实时语义分割的深度神经架构

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。

ENet —一种针对实时语义分割的深度神经架构 图5.使用SegNet作为基线的两个不同GPU的推理时间比较

ENet —一种针对实时语义分割的深度神经架构 图6. SegNet和ENet的硬件要求

    基准

使用  Adam.ENet非常快速地融合,在每个数据集上,使用4个Titan X GPU,训练只需要3-6个小时。

分两个阶段进行:

- 首先,他们训练编码器对输入图像的下采样区域进行分类。

- 然后附加解码器并训练网络以执行上采样和像素分类。

学习率 - 5e-4

L2重量衰减为2e-4

批量大小为10

自定义类权重方案定义为

ENet —一种针对实时语义分割的深度神经架构 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

ENet —一种针对实时语义分割的深度神经架构 图8. CityScapes数据集的性能

ENet —一种针对实时语义分割的深度神经架构 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)

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

ENet —一种针对实时语义分割的深度神经架构


以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

引爆用户增长

引爆用户增长

黄天文 / 机械工业出版社 / 2017-11-1 / 79.00

本书是用户增长领域的开创性著作,是作者在去哪儿、360、百度等知名企业多年用户增长工作的经验总结。宏观层面,从战略高度构建了一套系统的、科学的用户增长方法论;微观层面,从战术执行细节上针对用户增长体系搭建、用户全生命周期运营等总结了大量能引爆用户增长的实操方法和技巧。 不仅有方法论和技巧,而且非常注重实操。对电商、团购、共享经济、互联网金融等4大行业的50余家企业(360、美团、滴滴等)的1......一起来看看 《引爆用户增长》 这本书的介绍吧!

JS 压缩/解压工具
JS 压缩/解压工具

在线压缩/解压 JS 代码

在线进制转换器
在线进制转换器

各进制数互转换器

RGB HSV 转换
RGB HSV 转换

RGB HSV 互转工具