Atrous Space Bender U-Net (ASBU-Net/LogiNet)

要約

タイトル： Atrous Space Bender U-Net (ASBU-Net/LogiNet)
要約：
– CNNの進歩により、高解像度画像の意味論的セグメンテーションにおいて、精度とレイテンシーの面で非常に大きな進歩がありました。
– しかし、混雑したシーン、大規模なバリエーション、部分的な遮蔽、歪みなどのオブジェクト検出にはまだ課題が残っています。
– Atrous Space Bender U-Net (ASBU-Net)は、これらの問題に対処するための高速で効率的な畳み込みニューラルネットワークであり、埋め込みハードウェアをサポートするための新機能層を使用していません。
– ASBU-Netは、計算とメモリの面で効率的な新しい特徴抽出モジュールのatrours space bender layer (ASBL)に基づいています。 ASBレイヤーは、ASBNetを作成するために使用されるビルディングブロックを形成します。
– ASBU-Netには特別なレイヤーがないため、容易に実装、量子化、および制限されたメモリを持つFPGAsやその他のハードウェアに展開できます。
– ASBU-Netのリソースと精度のトレードオフに関する実験を紹介し、他の人気のあるモデルと比較して強力な性能を示します。

要約(オリジナル)

$ $With recent advances in CNNs, exceptional improvements have been made in semantic segmentation of high resolution images in terms of accuracy and latency. However, challenges still remain in detecting objects in crowded scenes, large scale variations, partial occlusion, and distortions, while still maintaining mobility and latency. We introduce a fast and efficient convolutional neural network, ASBU-Net, for semantic segmentation of high resolution images that addresses these problems and uses no novelty layers for ease of quantization and embedded hardware support. ASBU-Net is based on a new feature extraction module, atrous space bender layer (ASBL), which is efficient in terms of computation and memory. The ASB layers form a building block that is used to make ASBNet. Since this network does not use any special layers it can be easily implemented, quantized and deployed on FPGAs and other hardware with limited memory. We present experiments on resource and accuracy trade-offs and show strong performance compared to other popular models.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI