CGNet: A Light-Weight Context Guided Network for Semantic Segmentation

https://github.com/wutianyiRosun/CGNet

Abstract

모바일 환경에서의 semantic segmentation 적용 시도 증가 → 가벼운 모델이 필요하다

일부 경량화 segmentation은 classification에서 사용된 방법을 사용해서 segmentation 에서 고려할 특성들을 무시하고 만들어진 문제가 있었다.

이를 개선하기 위해 Context Guided Network ( CGNet )을 소개한다. → 가볍고, 효율이 좋은 segmentation model

CGBlock : local feature와 local feature를 둘러싼 surrounding context를 학습. 더 나아가 global context와 관련된 feature도 사용하여 성능을 향상

CG Block을 기반으로 네트워크 모든 단계에서 상황에 맞는 정보를 이해하고 segmentation 정확도를 높이기 위해 설계됨.

※ local featrue는 convolutional filter가 연산되는 영역

• CGNet은 파라미터 수를 줄이고 메모리 공간을 절약하도록 정교하게 설계됐다.
• 비슷한 파라미터 수를 가지는 segmentation 모델들과 비교해 성능이 훨씬 뛰어남
• CityScape와 Camvid데이터로 실험
• post-processing / multi-scale testing 없이 제안됨.
• 0.5M 미만의 파라미터로 64.8%의 Cityscape dataet에 대한 mIOU 달성

Introduction

자율 주행 / 로봇 / 모바일 → 적은메모리, 높은 정확도의 모델 설계 중요

파라미터 수와 CityScape dataset에 대한 mean IOU를 나타낸 위의 그래프는 파란색점은 높은 정확도 모델, 빨간 점은 메모리 사용이 적은 모델을 나타낸다.

• 오른쪽의 파란점 모델들은 mobile device에서 사용하기에 적합하지 않다.