실시간 의미 분할을 위한 효율적인 비대칭 컨볼루션 밀도 모듈

실시간 의미 분할은 자율 주행 및 로봇과 같은 실용적인 응용 분야에서 중요한 역할을 합니다. 대부분의 의미 분할 연구는 효율성에 대한 고려가 부족한 채 추정 정확도 향상에 집중하고 있습니다. 과거에 고속 추론을 강조한 몇몇 연구들은 종종 높은 정확도의 분할 결과를 생성하지 못했습니다. 본 논문에서는 비대칭 합성곱 구조를 사용하고, 희소합성곱(dilated convolution) 및 밀집 연결(dense connectivity)을 통합하여 낮은 계산 비용과 모델 크기로 높은 효율성을 달성하는 새로운 합성곱 네트워크인 비대칭 합성곱을 활용한 효율적 밀집 모듈(Efficient Dense modules with Asymmetric convolution, EDANet)을 제안합니다. EDANet은 기존의 빠른 분할 네트워크인 ICNet보다 2.7배 더 빠르며, 추가적인 컨텍스트 모듈, 후처리 방식 또는 사전 학습된 모델 없이 유사한 mIoU 점수를 달성합니다. 우리는 Cityscapes와 CamVid 데이터셋에서 EDANet을 평가하였으며, 다른 최신 시스템들과 비교하였습니다. 우리의 네트워크는 하나의 GTX 1080Ti 그래픽 카드에서 고해상도 입력으로 108 FPS의 속도로 실행될 수 있습니다.