ESPNet

ESPNet: Efficient Spatial Pyramid of Dilated Convolutions for Semantic Segme

---

2019/03/11 Author:Yu Zhang

此篇论文为ECCV2018中的一篇论文，做者介绍了一个既快又效果说得过去的网络架构，用于语义分割当中。此网络能够达到每秒112帧，比目前有效的轻型网络如MobileNet，ShuffleNet， ENet等等都要快，还好，在只下降8%精度的条件下，比PSPNet小180倍，速度快22倍。

那么做者是怎么作到的呢？

上图为ESP的架构，看起来很是复杂，但其实操做很简单，首先使用逐点卷积将通道数进行缩减，缩减后送入空洞卷积金字塔，经过不一样rate的空洞卷积得到更大感觉野并进行融合，参数很是少，由于通道减小以后，每个空洞卷积的参数都是不多的。具体通道及rate以及拼合策略如图所示。拼合策略与普通空洞卷积特征融合的方法不一样，这里为了不gridding artifacts现象，采用了逐级相加的策略。

设计的分割网络以下图：设计了一个轻量级的编码解码网络架构

在cityscapes测试集上能达到60.3的准确率，已经不错了。 同时做者作了特别多的实验，感兴趣的能够到原文中去看。

---

在18年11月份，ESPNet做者又发布了ESPNetv2，继续缩小网络，并在分类，分割，语言模型三个任务中取得不错的效果。咱们看一下他的结构：

与ESPNet不一样的地方是：

• 一开始的普通1x1conv 降维变为了1x1 group conv，这会减小参数
• 中间的空洞卷积变为深度可分离空洞卷积DDConv
• A方案会在相加后再接一层1x1conv而后再concat， B方案直接concat不事后面再跟一个1x1 groupconv

实验结果我只帖分割结果，以下图：

能够看到比ESPNet参数少了4倍，性能只下降了6%