Asymmetric Non-local Neural Networks for Semantic Segmentation
PDF: https://arxiv.org/pdf/1908.07678.pdf
PyTorch代碼: https://github.com/shanglianlm0525/PyTorch-Networks
1 概述
提出了一種非對稱non-local網絡結果來代替傳統的non-local模型的作用,但是其計算複雜度與內存佔用會大大減少。
2 Asymmetric Non-local Neural Network
2-1 Asymmetric Pyramid Non-local Block (APNB)
APNB將金字塔採樣利用到non-local塊中,在不犧牲性能的情況下大大降低了計算量和內存消耗,
2-2 Asymmetric Fusion Non-local Block (AFNB)
AFNB由APNB改造而來,在充分考慮到遠程依賴關係的情況下融合了不同級別的特徵。
3 Ablation
- 跟Baseline對比,APNB比普通的NB(Non-local Block)好,說明APNB在大大降低計算量和內存佔用的同時,還提高了性能,這應該是與SPP的全局信息表示能力有關。而在高級特徵低級特徵融合方面,AFNB較普通的融合FNB更勝一籌,最後同時使用APNB和AFNB效果更好。
- SPP明顯優於普通的random、max、average方法,且在SPP的池化方法中,pyramid average效果最好,而在池化尺寸的選擇上,{1,4,8,12} 效果最好,但是考慮到計算量,還是選擇 {1,3,6,8} 作爲默認值。
PyTorch代碼: