小米f码生成器|CIFReNet - 语义分割|的轻量级模型提示2020

- 和 - 用于

创新的点问题方法

该模型使用轻量级网络 V2小米f码生成器，使用膨胀卷积 （ ） 而不是扩展速率为 {3， 5， 7} 的最后三层 （ ， ）。

模型如图所示。红色框是 LRM 模型，蓝色框是 MCIM 模块。输入图像生成特征图小米f码生成器，从 LRM 模块开始，从 MICM 模块开始，然后对输出进行上采样。

断续器

特征图通过深度可分离卷积（3x3）转换为高维特征图;

将高维特征图通过全局平均池化（，GAP）转换为特征向量，并通过多层感知器（MLP）获得降维特征向量;

最后，将 1 和 2 的结果相乘，然后添加到要素地图中。

数字信号处理器

DSP结构如图所示。

按组点将特征图的 r fold 通道数减少;

特征图由n（图中4）深度分隔，每个深度的可分离卷积采用膨胀卷积，扩展速率位di和自适应全局平均池化（ ）;

两步结果依次执行，双线性差分（）和通道混合（）运算;

通过连接残差将DSP的输入添加到结果3并输出结果。

中欧

MCIM 模块中的每个 DSP 都有不同的扩展速率，其中 DSP 专注于小目标，DSPm 专注于中等目标，DSPl 专注于大目标。

DSP的输出被输入到DSP中，输出的

数字信号处理器被输入到 DSPm 中，而 DSPm 的输出被输入到 DSPl 中;对每个 DSP 的输出进行求和;输出分别为GAP和双线性差分;最后，对 2 和 3 的结果进行处理。