enet网络学院（enet硅谷动力学院）雷锋网2019-02-26 10:14:15
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
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，
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）。
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
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
想要继续查看该篇文章相关链接和参考文献？
点击【ENet——一种针对实时语义分割的深度神经架构】或长按下方地址访问：
https://ai.yanxishe.com/page/TextTranslation/1468
AI研习社今日推荐：雷锋网雷锋网雷锋网
卡耐基梅隆大学 2019 春季《神经网络自然语言处理》是CMU语言技术学院和计算机学院联合开课，主要内容是教学生如何用神经网络做自然语言处理。神经网络对于语言建模任务而言，可以称得上是提供了一种强大的新工具，与此同时，神经网络能够改进诸多任务中的最新技术，将过去不容易解决的问题变得轻松简单。
加入小组免费观看视频：
https://ai.yanxishe.com/page/groupDetail/33
收藏举报3 条评论
