前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >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

作者头像
AI研习社
发布2019-05-07 15:23:01
7550
发布2019-05-07 15:23:01
举报
文章被收录于专栏:AI研习社

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 注:本文的相关链接请点击文末【阅读原文】进行访问

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

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

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

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-02-25,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 AI研习社 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 概论
  • 方法:
  • 结果
  • 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
  • 参考:
相关产品与服务
图像处理
图像处理基于腾讯云深度学习等人工智能技术,提供综合性的图像优化处理服务,包括图像质量评估、图像清晰度增强、图像智能裁剪等。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档