精度高、模型小、速度快！梯形DenseNets结构实现语义分割新高度！
点“计算机视觉life”关注，星标更快接收干货！
本文由我爱计算机视觉授权转载
今天上午arXiv出现一篇非常值得参考的语义分割文章《Efficient Ladder-style DenseNets for Semantic Segmentation of Large Images》，来自克罗地亚的研究人员提出了一种基于DenseNets构建的形状像梯子的语义分割架构，其不仅精度达到目前最高（超越DeepLabV3+），而且参数量少，计算速度快，可谓语义分割领域的新突破。
以下是作者信息：
作者来自克罗地亚的萨格勒布大学。
提出问题
作者指出，在深度学习领域图像分类任务验证的有效网络结构，极大促进了计算机视觉其他方向的研究。
比如大放异彩的ResNet深度残差网络，成名于ImageNet图像分类任务，其影响力却席卷整个神经网络的所有应用领域。
但由于语义分割的计算量和参数量往往都很大，在现有硬件使用这些新出的网络结构进行新算法训练时，显存的大小限制了更好地发挥其潜力，尤其是对那些大图像比如百万像素图像的语义分割。
作者详细比较了ResNets与DenseNets（此部分可参考论文原文），认为在拥有相近的网络表达能力的ResNets与DenseNets网络架构中，DenseNets所需要的参数和计算量都相对较小。对于语义分割任务，应以其为基础模块。
网络架构
下图是作者提出算法的网络架构（请点击查看大图）：
图中DB代表这Dense Blocks，TD为transition layers，TU为transition-up blocks，f为输出特征图（后面的数字为特征图个数），输出特征图上的x4、x8...x32为下采样倍数，SPP为spatial pyramid pooling module。
可以看出，其最明显的特征是有两个数据路径。
上面的为下采样数据路径，特征图不断缩小。下面为上采样数据路径，并在此进行数据融合。
整个结构宛如梯子，故称梯形风格的（Ladder-style） DenseNets 。
实验结果
作者在主流的语义分割数据库上与基于ResNet的相同结构算法进行了比较，也与其他state-of-the-art进行了比较，验证了该算法精度达到最高的同时，速度快一个数量级，参数也是高精度语义分割算法中最小的（是在Cityscapes数据集上唯一的IoU上80的实时语义分割算法）。
下图为在Cityscapes数据集验证集上使用与ResNet Blocks的算法的比较，可见在使用Dense Blocks时不仅参数少，计算速度快，而且精度也更高。
下图为该算法的两个最好模型与state-of-the-art语义分割算法在 Cityscapes 验证集与测试集的结果比较。
可见该文算法精度最高，计算量也接近最低水平！！
下图上述结果的散点图，该文提出的算法LDN是目前唯一的在Cityscapes数据集上IoU精度超过80的实时语义分割算法！
下图是在CamVid 测试集上与基于ResNet结构的算法结果比较，LDN121依然是精度高、模型小、速度快。
下图是与CamVid测试集上的其他state-of-the-art算法的结果比较，精度依旧是最优秀的。
下图是在Pascal VOC 2012 验证集与测试集上的与其他state-of-the-art算法相比的分割结果，依然取得了精度的新突破。
分割结果示例：
论文地址：
https://arxiv.org/abs/1905.05661v1
作者称代码将在论文被接收后开源，期待！
推荐阅读
最新AI干货，我在看
相关内容
微信扫码咨询专知VIP会员