RPPM 模块助力 RDRNet 实现高性能实时语义分割，助力图像分割、自动驾驶等行业性能 SOTA！

文章预览

在诸如自动驾驶和医学图像等应用中，语义分割起着关键作用。尽管现有的实时语义分割模型在准确性和速度之间取得了令人称赞的平衡，但它们的多路径块仍然影响整体速度。 为了解决这个问题，本研究提出了一个可重参化的双分辨率网络（RDRNet），专门用于实时语义分割。 具体来说，RDRNet采用双分支架构，在训练期间使用多路径块，并在推理期间将它们重参化为单路径块，从而同时提高准确性和推理速度。 此外，作者提出了一个可重参化的金字塔池化模块（RPPM），以增强金字塔池化模块的特征表示，而不会增加其推理时间。 在Cityscapes、CamVid和Pascal VOC 2012数据集上的实验结果表明，RDRNet在性能和速度上都优于现有的最先进模型。 代码可在https://github.com/gyyang23/RDRNet获取。 I Introduction 语义分割是计算机视觉领域的一项关键任务，它要求将图像 ………………………………