.png){kind=icon}
.png){kind=icon}
返回
A lightweight depthwise separable Dilated Multires Network (DDMnet) for instance segmentation
.png){kind=icon}
PRE
AI
DOI：10.1007/s11042-026-21907-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
场景中个体对象的区分与识别是现代计算机视觉的一个基本问题。这项被称为实例分割的任务，由于深度学习的发展，近年来受到了广泛关注。尽管取得了显著进展，但许多最先进的方法依赖于日益复杂的架构和高计算需求，使其不适合实时应用，如自动驾驶。在本工作中，我们提出了一种紧凑型模型来解决实例分割问题，该模型将一种新颖的卷积编码器（命名为DDMnet）与Mask2Former分割框架相结合。所提出的网络实现了低计算复杂度，并在包括Cityscapes和ADE20K在内的基准数据集上取得了接近最先进方法性能的表现，展示了其用于实时部署的潜力。
Keyword:
Cityscapes
ADE20K
Instance segmentation
Deep learning