SegNet: معمارية كودر-ديكودر التحويل العميق للتقسيم الصوري

نقدم معمارية جديدة وعملية لشبكات العصبونات العميقة بالكامل والمتكررة (Fully Convolutional Neural Network) للتقسيم الدلالي على مستوى البكسل تُسمى SegNet. يتكون هذا المحرك القابل للتدريب من شبكة مرمزة (Encoder)، تليها شبكة فك الترميز (Decoder) ومن ثم طبقة تصنيف على مستوى البكسل. تتكون معمارية الشبكة المرمزّة من 13 طبقة متكررة مطابقة توبولوجيًا للشبكة VGG16. دور الشبكة المفككة هو رسم خرائط الخصائص ذات الدقة المنخفضة التي تم إنتاجها بواسطة الشبكة المرمزّة إلى خرائط خصائص ذات دقة عالية تساوي دقة الصورة الأصلية، وذلك لأجل تصنيف البكسلات. الجديد في SegNet يكمن في الطريقة التي تقوم بها الشبكة المفككة برفع دقة الخرائط المدخلية ذات الدقة المنخفضة. تحديدًا، تستعمل الشبكة المفككة مؤشرات التجميع التي تم حسابها في خطوة التجميع الأقصى (Max-Pooling) للشبكة المرمزّة المقابلة لها لإجراء عملية رفع الدقة غير الخطية. هذا يحذف الحاجة إلى تعلم كيفية رفع الدقة. تكون الخرائط المرفوعة دقتها نادرة الكثافة، ثم يتم إجراء عمليات الإقحام باستخدام مرشحات قابلة للتدريب لإنتاج خرائط خصائص كثيفة.قارنا بين هندستنا المقترحة وبين الهندسة الواسعة الانتشار FCN وكذلك مع الهندسات المعروفة DeepLab-LargeFOV و DeconvNet. يكشف هذا المقارنة عن التوازن بين الذاكرة والدقة الذي يجب تحقيقه للحصول على أداء جيد في التقسيم الدلالي.تم تصميم SegNet بشكل أساسي لتطبيقات فهم المشاهد. لذلك، تم تصميمها لتكون فعالة من حيث الذاكرة والوقت الحسابي أثناء الاستدلال (Inference). كما أنها أصغر بكثير من حيث عدد المعلمات القابلة للتدريب مقارنة بالهندسات الأخرى المنافسة. أجرينا أيضًا اختبارًا مقننًا لـ SegNet وغيرها من الهندسات على مهمتي تقسيم مشاهد الطرق وتقسيم المشاهد الداخلية SUN RGB-D. أظهر الاختبار أن SegNet توفر أداءً جيدًا مع وقت استدلال تنافسي وأكثر كفاءة من حيث ذاكرة الاستدلال مقارنة بالهندسات الأخرى. نوفر أيضًا تنفيذ Caffe لـ SegNet وتجربة عبر الإنترنت على الرابط التالي: http://mi.eng.cam.ac.uk/projects/segnet/.