enet网络学院（enet硅谷动力学院）

SegNet [2]被用作基线，因为它是最快的分段模型之一。使用cuDNN后端使用Torch7库。

使用英伟达Titan X GPU和英伟达TX1嵌入式系统模块记录推理速度。输入图像大小为640x360，速度超过10fps。

图5。以SegNet为基线的两种不同GPU推理时间的比较

图6。Segnet和ENet的硬件要求

基准

亚当。ENet用于快速融合。每个数据集上使用4个Titan X GPU，训练只需要3-6个小时。

它分两个阶段进行:

-首先，他们训练编码器对输入图像的下采样区域进行分类。

然后附加一个解码器，训练网络进行上采样和像素分类。

学习率-5e-4

L2的重量衰减为2e-4。

批量为10件。

自定义类别权重方案定义为

图7显示了。自定义类别权重方案的公式

其中c = 1.02，类别权重限制在[1.50]的区间内

图8。Cityscapes数据集的性能

图9。Camvid数据集的性能

参考:

A.Paszke、A. Chaurasia、S. Kim和E. Culurciello。Enet:用于实时语义分割的深度神经网络架构。arXiv预印本arXiv:1606.02147，2016。

动词 （verb的缩写）Badrinarayanan，A. Kendall和R. Cipolla，“Segnet:用于图像分割的深度卷积编码器-解码器架构”，arXiv预印本arXiv:1511.00561，2015年。

我最近也转载了这篇论文，可以在这里找到:

https://github . com/iArunava/ENet-实时-语义-分段

想继续查看本文相关链接和参考文献？

点击【enet——实时语义分割的深度神经架构】或长按地址访问:

https://ai.yanxishe.com/page/TextTranslation/1468

艾所今日推荐:雷锋网雷锋网雷锋网

卡耐基梅隆大学2019年春季的“神经网络自然语言处理”是CMU语言技术学院和计算机学院的联合课程。其主要内容是教学生如何利用神经网络做自然语言处理。神经网络可以被认为是为语言建模任务提供了一个强有力的新工具。同时，神经网络可以在许多任务中改进最新技术，使过去不易解决的问题变得容易和简单。

加入群免费看视频:https://ai.yanxishe.com/page/groupDetail/33

收集3条评论。