ENet：A Deep Neural Network Architecture for Real-Time Semantic Segmentation

发表于 更新于 分类于 ， 阅读次数： 本文字数： 405 阅读时长 ≈ 1 分钟

以 SegNet为基础设计的语义分割模型，在编码阶段使用相同的最大池化索引(max-pooling indices)进行上采样

什么是 ENet？

  • ENet-20230408142944
  • 以 SegNet 为基础设计的语义分割模型，在编码阶段使用相同的 最大池化索引(max-pooling indices) 进行上采样
  • 在开头设计 init block减小 featrue map, 提升模型速度，使用 prelu激活函数、空洞卷积、dropout

ENet 的网络结构？

  • ENet-20230408142945
  • nit block将 featrue map 减小，然后是两组bottleneck 实现下采样，最后使用最大池化索引(max-pooling indices) 实现上采样

ENet 的 init block、bottle neck?

  • ENet-20230408142945-1
  • init block：2 个分支，1 个是下采样 1 倍的池化，1 个是下采样 1 倍的卷积，最后 concate。提前下采样，使得 ENet 的计算量减少
  • bottle neck：瓶颈模块，使用 1 x 1 卷积+空洞卷积+dropout