BiSeNet：用于实时语义分割的双边分割网络

语义分割需要丰富的空间信息和较大的感受野。然而，现代方法通常为了实现实时推理速度而牺牲空间分辨率，这导致了性能较差。在本文中，我们通过提出一种新颖的双边分割网络（Bilateral Segmentation Network, BiSeNet）来解决这一困境。首先，我们设计了一个小步幅的空间路径（Spatial Path），以保留空间信息并生成高分辨率特征。同时，采用快速下采样策略的上下文路径（Context Path）被用来获得足够的感受野。在此基础上，我们引入了一种新的特征融合模块（Feature Fusion Module），以高效地结合特征。所提出的架构在Cityscapes、CamVid和COCO-Stuff数据集上实现了速度与分割性能之间的良好平衡。具体而言，对于2048x1024的输入图像，我们在单个NVIDIA Titan XP显卡上达到了每秒105帧的速度，并在Cityscapes测试数据集上获得了68.4%的平均交并比（Mean IOU），显著快于具有类似性能的现有方法。