의미 분할은 자율 주행, 지능형 감시, 드론 비전 및 기타 분야에서 광범위하게 활용되는 컴퓨터 비전의 중요한 작업입니다. 현재의 고정밀 분할 모델은 일반적으로 큰 매개변수 크기, 높은 계산 복잡성 및 상당한 메모리 소비로 인해 임베디드 시스템 및 자원 제약 환경에서의 효율적인 배포에 제한이 있습니다. 또한, 전통적인 방법은 다중 스케일 목표 및 객체 경계를 처리하는 데 있어 상당한 한계를 보이며, 특히 깊은 특징 추출 중에는 얕은 공간 정보의 손실이 종종 흐릿한 경계와 감소된 분할 정확도로 이어집니다. 이러한 문제를 해결하기 위해 우리는 경량 및 효율적인 의미 분할 네트워크인 EfficientSegNet을 제안합니다. 이 네트워크는 Cascade-Attention Dense Field (CADF) 모듈과 Dynamic Weighting Feature Fusion (DWF) 모듈을 통합한 혁신적인 아키텍처를 특징으로 하여 계산 자원 요구 사항을 효과적으로 줄이면서 전역 의미 정보와 지역 세부 복구 간의 균형을 유지합니다. 실험 결과는 EfficientSegNet이 여러 공용 데이터셋에서 분할 정확성과 계산 효율성 간의 훌륭한 균형을 달성하여, 자원 제약 장치에서 실시간 분할 작업 및 응용 프로그램을 위한 강력한 지원을 제공함을 보여줍니다.
Zhang et al. (Tue,)이 이 질문을 연구했습니다.