今天上午arXiv出現一篇非常值得參考的語義分割文章《Efficient Ladder-style DenseNets for Semantic Segmentation of Large Images》，來自克羅地亞的研究人員提出了一種基于DenseNets構建的形狀像梯子的語義分割架構，其不僅精度達到目前最高（超越DeepLabV3+），而且參數量少，計算速度快，可謂語義分割領域的新突破。

以下是作者信息：

作者來自克羅地亞的薩格勒布大學。

提出問題

作者指出，在深度學習領域圖像分類任務驗證的有效網絡結構，極大促進了計算機視覺其他方向的研究。

比如大放異彩的ResNet深度殘差網絡，成名于ImageNet圖像分類任務，其影響力卻席卷整個神經網絡的所有應用領域。

但由于語義分割的計算量和參數量往往都很大，在現有硬件使用這些新出的網絡結構進行新算法訓練時，顯存的大小限制了更好地發揮其潛力，尤其是對那些大圖像比如百萬像素圖像的語義分割。

作者詳細比較了ResNets與DenseNets（此部分可參考論文原文），認為在擁有相近的網絡表達能力的ResNets與DenseNets網絡架構中，DenseNets所需要的參數和計算量都相對較小。對于語義分割任務，應以其為基礎模塊。

網絡架構

下圖是作者提出算法的網絡架構（請點擊查看大圖）：

圖中DB代表這Dense Blocks，TD為transition layers，TU為transition-up blocks，f為輸出特征圖（后面的數字為特征圖個數），輸出特征圖上的x4、x8...x32為下采樣倍數，SPP為spatial pyramid pooling module。

可以看出，其最明顯的特征是有兩個數據路徑。

上面的為下采樣數據路徑，特征圖不斷縮小。下面為上采樣數據路徑，并在此進行數據融合。

整個結構宛如梯子，故稱梯形風格的（Ladder-style） DenseNets 。

實驗結果

作者在主流的語義分割數據庫上與基于ResNet的相同結構算法進行了比較，也與其他state-of-the-art進行了比較，驗證了該算法精度達到最高的同時，速度快一個數量級，參數也是高精度語義分割算法中最小的（是在Cityscapes數據集上唯一的IoU上80的實時語義分割算法）。

下圖為在Cityscapes數據集驗證集上使用與ResNet Blocks的算法的比較，可見在使用Dense Blocks時不僅參數少，計算速度快，而且精度也更高。

下圖為該算法的兩個最好模型與state-of-the-art語義分割算法在?Cityscapes 驗證集與測試集的結果比較。

可見該文算法精度最高，計算量也接近最低水平！！

下圖上述結果的散點圖，該文提出的算法LDN是目前唯一的在Cityscapes數據集上IoU精度超過80的實時語義分割算法！

下圖是在CamVid 測試集上與基于ResNet結構的算法結果比較，LDN121依然是精度高、模型小、速度快。

下圖是與CamVid測試集上的其他state-of-the-art算法的結果比較，精度依舊是最優秀的。

下圖是在Pascal VOC 2012 驗證集與測試集上的與其他state-of-the-art算法相比的分割結果，依然取得了精度的新突破。

分割結果示例：

聲明：本文章由網友投稿作為教育分享用途，如有侵權原作者可通過郵件及時和我們聯系刪除