【论文阅读】SegNeXt:重新思考卷积注意力设计

《SegNeXt: Rethinking Convolutional Attention Design for Semantic Segmentation》

原文:https://github.com/Visual-Attention-Network/SegNeXt/blob/main/resources/paper.pdf

源码:https://github.com/Visual-Attention-Network/SegNeXt

1、简介

提出了SegNeXt用于语义分割的简单卷积网络架构,核心是一种比transformer的自注意力更有效的编码方式进行上下文信息的编码,专注分割性能改进的几个组件,设计出了这种新型卷积注意力网络,性能有不小的提升。

2、网络

编码器

CNN中编码器常采用金字塔结构,作者提出了一种类似ViT但是没有自注意力机制的结构,设计了一种多尺度卷积注意模块(MSCA)。MSCA模块中包括:

1、深度卷积:用于聚合局部信息

2、多分支深度条带卷积:用于捕获多尺度上下文信息

3、1*1卷积:建模不同通道之间的关系

解码器

研究了三种简单的解码器结构,a表示SegFormer中的基于MLP的结构;b是直接将编码器的输出作为解码器的输入,比如ASPP、PSP和DANet等;c是作者采用的结构,聚合了最后三层的特征,并使用轻量级模块建模全局上下文。与SegFormer(聚合第一到第四阶段的特征)不同,作者只在解码器聚合了最后三个层的特征,主要原因是第一阶段的特征包含过多低级特征影像模型性能。下面作者证明SegNeXt优于基于Transformer的SegFormer和HRFormer。

部分实验结果

遥感数据集iSAID

模型参数量及计算量

相关推荐
Testopia4 小时前
人脸检测:OpenVINO在计算机视觉中的应用
人工智能·计算机视觉·openvino
Katecat996635 小时前
基于YOLO11-EfficientViT的辉长岩及其相关岩石类型计算机视觉识别分类系统_1
人工智能·计算机视觉·分类
YMWM_5 小时前
论文阅读“DM0: An Embodied-Native Vision-Language-Action Model towards Physical AI“
论文阅读·人工智能·vla
Testopia6 小时前
车道线检测:传统计算机视觉在自动驾驶中的应用
人工智能·计算机视觉·自动驾驶
咚咚王者6 小时前
人工智能之视觉领域 计算机视觉 第八章 图像边缘检测
人工智能·opencv·计算机视觉
gorgeous(๑>؂<๑)1 天前
【ICLR26-Oral Paper-Meta】DepthLM:基于视觉语言模型的度量深度
人工智能·计算机视觉·语言模型·自然语言处理
HyperAI超神经1 天前
视觉真实之外:清华WorldArena全新评测体系揭示具身世界模型的能力鸿沟
人工智能·深度学习·神经网络·机器学习·计算机视觉·机器人
I Promise341 天前
BEV视角智驾方案全维度发展梳理
人工智能·算法·计算机视觉
咚咚王者1 天前
人工智能之视觉领域 计算机视觉 第六章 图像平滑处理
人工智能·计算机视觉
咚咚王者1 天前
人工智能之视觉领域 计算机视觉 第七章 图像形态学操作
人工智能·计算机视觉