轻量级高精度分割网络推荐AttaNet
【摘要】
AttaNet
语义分割，attanet，AAAI2021 Code：https://github.com/songqi-github/AttaNet 论文：https://arxiv.org/abs/2103.05930
AttaNet主要由两个模块组成:条状注意力模块(SAM)和注意力融合模块(AFM)。对低精度分割任务图像的观察得出，...
AttaNet
语义分割，attanet，AAAI2021
Code：https://github.com/songqi-github/AttaNet
论文：https://arxiv.org/abs/2103.05930
AttaNet主要由两个模块组成:条状注意力模块(SAM)和注意力融合模块(AFM)。对低精度分割任务图像的观察得出，垂直条带面积明显大于水平条带面积，SAM利用条带化操作，在保留大部分上下文信息的同时，大幅降低了垂直方向全局上下文编码的复杂性，与非极大值方法相比。AFM采用跨层次聚合策略限制计算量，融合时采用注意策略对每个像素的不同层次特征的重要性进行加权，获得高效的多层次表示。我们在两个语义分割基准上进行了广泛的实验，我们的网络在城市场景上实现了不同程度的速度/准确性权衡，例如71 FPS/79.9% mIoU, 130 FPS/78.5% mIoU和180FPS/70.1% mIoU，并在ADE20K上取得领先的性能
整体网络框架
为了保证推理速度的要求，网络上采用VGG式结构，区别于HRNet
文章来源: blog.csdn.net，作者：网奇，版权归原作者所有，如需转载，请联系作者。
原文链接：blog.csdn.net/jacke121/article/details/117114829
【版权声明】本文为华为云社区用户转载文章，如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
作者其他文章
评论（0）