CFPNet：Channel-wise Feature Pyramid for Real-Time Semantic Segmentation

发表于 更新于 分类于 ， 阅读次数： 本文字数： 462 阅读时长 ≈ 1 分钟

结合CSP的通道split+ASPP的思想对不同尺度特征进行融合，即先使用CSP的split方法将特征按通道分组，对每组特征使用不同空洞率的空洞卷积，然后将不同尺度的特征融合，实际就是轻量版的ASPP

什么是 CFPNet？

  • CFPNet-20230408142321
  • 结合 CSP 的通道 split+ASPP 的思想对不同尺度特征进行融合，即先使用 CSP 的 split 方法将特征按通道分组，对每组特征使用不同空洞率的空洞卷积，然后将不同尺度的特征融合，实际就是轻量版的 ASPP
  • 同时，为了避免空洞卷积带来的网格效应，CFPNet 在 ASPP 内部进行特征跨连接交流

CFPNet 的网络结构？

  • 在模型设计时，CFP 模块设计 n=2, m=6, 对应下表的 5-13 层 CFPNet-20230408142322
  • CFPNet-20230408142323
  • 使用 3 次下采样，最后使用 双线性插值直接上采样 8 倍

CFPNet 的 CFP 模块？

  • CFPNet-20230408142324
  • 图 a、b 分别是原始的 CFP 模块、CFP 模块，CFP 模块首先通过 1 x 1 卷积将维度同 M 降低到 M/K，然后使用不同的空洞率的并行 FP 结构，最后使用 1 x 1 卷积还原通道
  • 图 a 简单的融合，导致引入了网格现象，为此使用残差学习解决该问题，下图 a、b 分别是使用残差学习前后的效果CFPNet-20230408142325