本文介紹的論文提出了一種新的實時通用語義分割體系結(jié)構(gòu)RGPNet，在復(fù)雜環(huán)境下取得了顯著的性能提升。
作者： Tom Hardy
首發(fā)：3D視覺工坊微信公眾號

論文：RGPNet: A Real-Time General Purpose Semantic Segmentation （文末可下載）
論文鏈接：https://arxiv.org/abs/1912.01394

一、主要思想

本文提出了一種新的實時通用語義分割體系結(jié)構(gòu)RGPNet，在復(fù)雜環(huán)境下取得了顯著的性能提升。RGPNet由一個輕量級的非對稱編碼器-解碼器和一個適配器組成。適配器有助于從編碼器和解碼器之間的多層分布式表示中保留和細(xì)化抽象概念。它也有助于從較深層到較淺層的梯度流動。大量實驗表明，與目前最先進(jìn)的語義分割網(wǎng)絡(luò)相比，RGPNet具有更好的性能。

此外還證明了在保持性能的同時，使用改進(jìn)的標(biāo)簽松弛技術(shù)和逐步調(diào)整大小可以減少60%的訓(xùn)練時間。論文還對應(yīng)用在資源受限的嵌入式設(shè)備上的RGPNet進(jìn)行了優(yōu)化，使推理速度提高了400%，性能損失可以忽略不計。RGPNet在多個數(shù)據(jù)集之間獲得了更好的速度和精度權(quán)衡。

二、創(chuàng)新點

1、提出的RGPNet作為一種通用的實時語義分割體系結(jié)構(gòu)，它可以在單分支網(wǎng)絡(luò)中獲得高分辨率的深層特征，從而提高準(zhǔn)確性和降低延遲，在復(fù)雜的環(huán)境中具有競爭力。

2、引入一個適配器模塊來捕獲多個抽象級別，以幫助細(xì)分的邊界細(xì)化，適配器還通過添加較短的路徑來輔助漸變梯度流。

3、對于green AI，在訓(xùn)練期間采用漸進(jìn)式調(diào)整大小技術(shù)，從而使訓(xùn)練時間和環(huán)境影響減少60%，并且采用一種改進(jìn)的標(biāo)簽松弛來消除低分辨率標(biāo)簽映射中的混疊效應(yīng)。

4、使用TensorRT（一個高性能深度學(xué)習(xí)推理平臺）優(yōu)化RGPNet，以便部署在邊緣計算設(shè)備上，從而使推理速度提高400%。

5、RGPNet在Cityscpes、CamVid和Mapillary數(shù)據(jù)集上分別實現(xiàn)了Resnet-101作為backbone 下80.9%、69.2%和50.2% mIoU以及Resnet-18作為backbone下74.1%、66.9%和41.7% mIoU。對于1024×2048分辨率的圖像，RGPNet在CityScapes數(shù)據(jù)集上單NVIDIA GTX2080Ti GPU下達(dá)到37.4 FPS。

三、網(wǎng)絡(luò)結(jié)構(gòu)

RGPNet的整體結(jié)構(gòu)如下所示，每個箭頭都有對應(yīng)的操作模式：

• 中間一列操作為編碼器
• 最右邊操作為解碼器
• “+”操作為適配器（Adaptor）

其中“+”詳細(xì)操作如下所示：
1、T（：）是一個轉(zhuǎn)換函數(shù)，它用來減少編碼器模塊輸出通道數(shù)量并將其傳輸?shù)絘daptor。
2、D（：）和U（：）是下采樣和上采樣功能。

Adaptor有許多優(yōu)點：

1、Adaptor聚合來自不同上下文和空間級別的特征。
2、通過引入較短的路徑，有助于梯度從較深的層流向較淺的層。
3、Adaptor允許使用輕量解碼器的不對稱設(shè)計，這將減少卷積層，進(jìn)一步增強(qiáng)梯度流。因此，Adaptor使網(wǎng)絡(luò)適合于實時應(yīng)用，因為它在保留空間信息的同時提供了豐富的語義信息。

針對帶標(biāo)簽松弛的漸進(jìn)式調(diào)整：

論文采取了最大化像素周圍區(qū)域相似度分布，而不是單個像素級別的標(biāo)簽最大可能化，針對邊界類別，提出了邊界損失函數(shù)。

四、實驗結(jié)果

多種網(wǎng)絡(luò)在Mapillary Vistas數(shù)據(jù)集上的測試結(jié)果：

幾種網(wǎng)絡(luò)在Mapillary Vistas數(shù)據(jù)集上的性能對比：

在CamVid數(shù)據(jù)集上的性能對比：

RGPNet使用TensorRT在GTX2080Ti和Xavier上速度對比：

綜合速度和準(zhǔn)確率以及實際部署下的性能，RGPNet都非常具有競爭力~!

推薦閱讀

• 3D U-Net：從稀疏注釋中學(xué)習(xí)密集的體積分割
• 超全的3D視覺數(shù)據(jù)集匯總

重點介紹：1、3D視覺算法；2、vslam算法;3、圖像處理；4、深度學(xué)習(xí);5、自動駕駛;6、技術(shù)干貨。博主及合伙人分別來國內(nèi)自知名大廠、?？笛芯吭海钛?D視覺、深度學(xué)習(xí)、圖像處理、自動駕駛、目標(biāo)檢測、VSLAM算法等領(lǐng)域。
歡迎關(guān)注微信公眾號

審核編輯：符乾江