Residual Conv-Deconv Grid-Netzwerk für semantische Segmentierung

Dieses Papier präsentiert GridNet, ein neues Convolutional Neural Network (CNN) für die semantische Bildsegmentierung (vollständige Szenenbeschriftung). Klassische Netzwerke werden als ein Strom vom Eingang zum Ausgang implementiert, wobei Operatoren im Strom angewendet werden, um die Merkmalskarten zu reduzieren und das rezeptive Feld für die endgültige Vorhersage zu vergrößern. Bei der Bildsegmentierung, bei der die Aufgabe darin besteht, jedem Pixel eines Bildes eine Semantik zuzuweisen, ist die Reduzierung der Merkmalskarten jedoch schädlich, da sie zu einem Verlust der Auflösung in der Ausgangsvorhersage führt. Um dieses Problem zu lösen, folgt GridNet einem Gittermuster, das es mehreren miteinander verbundenen Strömen ermöglicht, auf unterschiedlichen Auflösungen zu arbeiten. Wir zeigen, dass unser Netzwerk viele gut funktionierende Netzwerke wie Conv-Deconv, Residual- oder U-Net-Netzwerke verallgemeinert. GridNet wurde von Grund auf neu entwickelt und erzielt wettbewerbsfähige Ergebnisse auf der Cityscapes-Datenbank.