초록
우리는 효과적이고 효율적인 의미 이미지 분할의 중요한 과제를 고려합니다. 특히, 강력한 의미 분할 아키텍처인 RefineNet을 실시간 성능이 요구되는 고해상도 입력에서도 적합하도록 더 컴팩트한 형태로 개선하였습니다. 이를 위해 원래 설정에서 계산 비용이 많이 드는 블록들을 식별하고, 파라미터와 부동 소수점 연산의 수를 줄이기 위한 두 가지 수정안을 제안하였습니다. 그렇게 함으로써 모델 크기를 두 배 이상 축소하면서도 성능 수준은 거의 그대로 유지하였습니다. 가장 빠른 모델은 512x512 해상도의 일반적인 GPU 카드에서 20 FPS에서 55 FPS로 상당히 속도가 향상되었으며, PASCAL VOC 테스트 세트에서 81.1%의 평균 IoU 성능을 보였습니다. 가장 느린 모델은 원래 17 FPS에서 32 FPS로 속도가 향상되었으며, 같은 데이터셋에서 82.7%의 평균 IoU를 달성하였습니다. 또한, 우리의 접근 방식이 경량화된 분류 네트워크와 쉽게 결합될 수 있음을 보여주었습니다: PASCAL VOC에서 단지 3.3M 파라미터와 9.3B 부동 소수점 연산만 수행하는 모델을 사용하여 79.2%의 평균 IoU를 달성하였습니다.