.png){kind=icon}
返回
SEDNet: Real-Time Semantic Segmentation Algorithm Based on STDC
.png){kind=icon}
OA
AI
DOI：10.1155/int/8243407.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，深度卷积神经网络（DCNN）在语义分割任务中得到了广泛应用，并取得了高分割精度。然而，基于DCNN的大多数算法计算复杂度高，使其不适合实时分割。为解决此问题，本文提出了一种基于STDC网络的实时语义分割算法。该算法采用嵌入U形架构的编码器-解码器结构，在实现实时分割的同时保持高精度。在编码器之后，设计了一个混合池化注意力模块以扩展感受野，增强网络模型在复杂场景中的学习能力。随后，使用特征融合模块结合不同阶段的特征，并采用基于空洞卷积的通道注意力来扩展感受野并避免降维学习。最后，采用基于Tversky的细节损失函数以编码更多空间细节。所提算法在具有挑战性的Cityscapes和CamVid数据集上进行了广泛测试，实验结果表明，所提算法分别获得了76.4%和72.8%的mIoU。同时，本算法在单块NVIDIA GTX 1080Ti GPU上实现了105.2 FPS和165.6 FPS的推理速度，满足实时分割要求。所提算法能在保持高精度的同时进行实时分割，实现了精度与速度的良好平衡。
Keyword:
deep convolutional neural network
encoder-decoder
real-time semantic segmentation
STDC
期刊
IF:
3.7
论文数:
3.0K
被引数:
8.1K
机构
引用论文
.png){kind=icon}
One-Stage Deep Edge Detection Based on Dense-Scale Feature Fusion and Pixel-Level Imbalance Learning基于稠密尺度特征融合和像素级不平衡学习的单阶段深度边缘检测OAAI
OAAI分享收藏分享收藏RefineNet: Multi-path Refinement Networks for High-Resolution Semantic SegmentationRefineNet: 用于高分辨率语义分割的多路径细化网络
OAAI
OAAI分享收藏Rethinking Semantic Segmentation from a Sequence-to-Sequence Perspective with Transformers从序列到序列的角度重新思考语义分割OAAI
OAAI分享收藏
查看更多内容