BriefGPT - AI 论文速递
·
SCTNet：用于实时分割的单分支 CNN 与 Transformer 语义信息
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种适用于低内存嵌入式设备的快速分割卷积神经网络（Fast-SCNN），通过多个分辨率分支同时计算低级特征和高级特征，实现了高分辨率的空间细节与深度特征的结合。在 Cityscapes 数据集上，该网络以每秒 123.5 帧的速度获得了 68.0％的平均交并比准确率。
🎯
关键要点
-
介绍了一种快速分割卷积神经网络（Fast-SCNN）。
-
该网络适用于低内存嵌入式设备，进行高效计算。
-
模型支持高分辨率图像数据（1024x2048px）的半实时语义分割。
-
通过多个分辨率分支同时计算低级特征和高级特征。
-
实现了高分辨率的空间细节与低分辨率下提取的深度特征的结合。
-
在 Cityscapes 数据集上以每秒 123.5 帧的速度获得了 68.0％的平均交并比准确率。
-
实验证明，预先培训规模的大规模预处理是不必要的。
🏷️
标签
➡️
