ICNet pour la segmentation sémantique en temps réel sur des images à haute résolution

Dans cet article, nous nous concentrons sur la tâche ardue de la segmentation sémantique en temps réel. Cette technique trouve de nombreuses applications pratiques, mais présente une difficulté fondamentale : celle de réduire considérablement le volume de calcul nécessaire à l'inférence des étiquettes pixel par pixel. Nous proposons un réseau en cascade d'images (ICNet) qui intègre plusieurs branches à différentes résolutions sous une guidance étiquetée appropriée pour relever ce défi. Nous fournissons une analyse approfondie de notre cadre théorique et introduisons l'unité de fusion de caractéristiques en cascade afin d'obtenir rapidement des segmentations de haute qualité. Notre système permet une inférence en temps réel sur une seule carte GPU, avec des résultats de qualité satisfaisante évalués sur des jeux de données difficiles tels que Cityscapes, CamVid et COCO-Stuff.