今天上午arXiv出現一篇非常值得參考的語義分割文章《Efficient Ladder-style DenseNets for Semantic Segmentation of Large Images》，來自克羅埃西亞的研究人員提出了一種基於DenseNets構建的形狀像梯子的語義分割架構，其不僅精度達到目前最高（超越DeepLabV3+），而且引數量少，計算速度快，可謂語義分割領域的新突破。
以下是作者資訊：
作者來自克羅埃西亞的薩格勒布大學。
提出問題
作者指出，在深度學習領域影象分類任務驗證的有效網路結構，極大促進了計算機視覺其他方向的研究。
比如大放異彩的ResNet深度殘差網路，成名於ImageNet影象分類任務，其影響力卻席捲整個神經網路的所有應用領域。
但由於語義分割的計算量和引數量往往都很大，在現有硬體使用這些新出的網路結構進行新演算法訓練時，視訊記憶體的大小限制了更好地發揮其潛力，尤其是對那些大影象比如百萬畫素影象的語義分割。
作者詳細比較了ResNets與DenseNets（此部分可參考論文原文），認為在擁有相近的網路表達能力的ResNets與DenseNets網路架構中，DenseNets所需要的引數和計算量都相對較小。對於語義分割任務，應以其為基礎模組。
網路架構
下圖是作者提出演算法的網路架構（請點選檢視大圖）：
圖中DB代表這Dense Blocks，TD為transition layers，TU為transition-up blocks，f為輸出特徵圖（後面的數字為特徵圖個數），輸出特徵圖上的x4、x8...x32為下采樣倍數，SPP為spatial pyramid pooling module。
可以看出，其最明顯的特徵是有兩個資料路徑。
上面的為下采樣資料路徑，特徵圖不斷縮小。下面為上取樣資料路徑，並在此進行資料融合。
整個結構宛如梯子，故稱梯形風格的（Ladder-style） DenseNets 。
實驗結果
作者在主流的語義分割資料庫上與基於ResNet的相同結構演算法進行了比較，也與其他state-of-the-art進行了比較，驗證了該演算法精度達到最高的同時，速度快一個數量級，引數也是高精度語義分割演算法中最小的（是在Cityscapes資料集上唯一的IoU上80的實時語義分割演算法）。
下圖為在Cityscapes資料集驗證集上使用與ResNet Blocks的演算法的比較，可見在使用Dense Blocks時不僅引數少，計算速度快，而且精度也更高。
下圖為該演算法的兩個最好模型與state-of-the-art語義分割演算法在 Cityscapes 驗證集與測試集的結果比較。
可見該文演算法精度最高，計算量也接近最低水平！！
下圖上述結果的散點圖，該文提出的演算法LDN是目前唯一的在Cityscapes資料集上IoU精度超過80的實時語義分割演算法！
下圖是在CamVid 測試集上與基於ResNet結構的演算法結果比較，LDN121依然是精度高、模型小、速度快。
下圖是與CamVid測試集上的其他state-of-the-art演算法的結果比較，精度依舊是最優秀的。
下圖是在Pascal VOC 2012 驗證集與測試集上的與其他state-of-the-art演算法相比的分割結果，依然取得了精度的新突破。
分割結果示例：
論文地址：
https://arxiv.org/abs/1905.05661v1