语义分割之DFANet

1:文字回答:简述实时分割真实的应用场景(不限于课堂讲过的应用方向)

自动驾驶,移动机器人,AI摄影

2:文字回答:简述实现AI产品过程中软硬件的协同过程

先有高性能算法,然后研发相应硬件,然后让算法可以在硬件中实时跑起来

3:文字回答:简述主流的分割结构(参考第二课时PPT9页中的图)

a: 使用两列网络,一列深层网络处理低分辨率图像得到粗略分割,一列浅层网络处理高分辨率图像优化细节,最后将两者结果合并,达到限制计算量的效果。这种结构各列之间缺少联系,限制了处理高层特征的能力。

b:使用空间金字塔池化来处理高层特征并扩大感受野,这种方法计算量相对较大。

c:在上述基础上,将前一个网络输出的特征图上采样,用后一个网络优化细节

d:再对各网络按阶段建立关系,将底层特征和空间信息传递到语义理解层,由此形成网络级和阶段级融合

4:代码实现:用DFANet实现对某一数据集的分割

posted @ 2020-12-03 22:30  sariel_sakura  阅读(325)  评论(0编辑  收藏  举报