亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

通常而言，性能和效率對語義分割同樣很重要。最新的語義分割算法主要基于空洞卷積的全卷積網絡（dilatedFCN），該網絡在主干網絡中采用空洞卷積來提取高分辨率的特征圖以實現高性能的分割性能。但是，由于高分辨率特征圖上進行了許多卷積運算，因此這種基于FCN的空洞卷積方法導致較大的計算復雜性和內存消耗。為了平衡性能和效率，出現了編碼器-解碼器結構，主要融合來自編碼器的多級特征圖來逐漸恢復空間信息。然而，現有的編碼器-解碼器方法的性能遠不能與基于空洞卷積的FCN的方法相媲美。在本文中，提出了一種Ef-ficientFCN方法，其主干網絡是一個普通的ImageNet預訓練網絡，沒有使用任何空洞卷積。另外，在網絡中引入了整體引導（holistically-guided ）的解碼器，以通過編碼器的多尺度特征獲得高分辨率的語義豐富的特征圖。解碼任務被轉換為新的codebook生成（codebook generation）和codeword匯編（ codeword assembly）任務，這利用了編碼器的高層和低層特征。這樣的框架僅以1/3的計算成本即可達到與最新方法相當甚至更好的性能。實驗部分，在PASCAL Context，PASCAL VOC，ADE20K數據集上進行了大量實驗驗證了所提出的EfficientFCN的有效性。