基于DDRNet的无步长卷积语义分割方法
Research on semantic segmentation method of stepless convolution based on DDRNet
刘冰 1胡明强1
作者信息
- 1. 长春工业大学 计算机科学与工程学院,吉林 长春 130102
- 折叠
摘要
引用SPD-Conv模块,通过空间转换深度的模块和无步长卷积层替代跨步卷积层,保留通道维度中的所有信息.在DDRNet结构中应用 SPD-Conv 模块,取得了较好的性能.使用单个RTX3090GPU在无预训练的情况下,MIoU值在城市数据集上达到了 79.09%.
Abstract
This paper refers to the SPD-Conv module,which replaces the strided convolution layer by the module of spatial conversion depth and the stepless convolution layer,and preserves all the information in the channel dimension.Applying the SPD-Conv module in the DDRNet structure achieves better performance.A single RTX3090 GPU achieves 79.09%MIoU on the city dataset without pre-training.
关键词
DDRNet/SPD-Conv/无步长卷积/多分辨率路径Key words
DDRNet/SPD-Conv/convolution without stride/multi-resolution path引用本文复制引用
基金项目
吉林省教育厅项目(JJKH20230765KJ)
出版年
2024
NETL
NSTL
万方数据