用Transformer进行图像语义分割,性能超最先进的卷积方法
本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。 正如大家所知,在进行图像语义分割时,图像被编码成一系列补丁后往往很模糊,需要借助上下文信息才能被正确分割。 因此上下文建模用T对图像语义分割的性能至关重要! 而与以往基于卷积网络的方法不同,来自法国的一个研究团队另辟蹊径,提出了一种只使用Transformer的语义分割方法。 该方法“效果拔群”,可以很好地捕捉图像全局上下文信息! 要知道,就连取得了骄人ra成绩的FCN(完全卷积网络)都有“图像全局信息访问限制”的问题。(卷积结构在图像语义分割方面目前有无法打破的局限) 而这次这个方法在具有挑战性的ADE20K数据集上,性能都超过了最先进的卷积方法! 不得不说,Transformensr跨界计算机视觉领域真是越来越频繁了、效果也越来越成功了! 那这次表现优异的Transformer语义分割,用了什么不一样的“配方”吗? 使用Vision Transformer 没错,这次这个最终被命名为Segmenter的语义分割模fo型,主要基于去年10月份才诞生的一个用于计算机视觉领域的“新秀”Transformer:Vision Transformer,简称ViT。 ViT有多“秀”呢? ViT采用纯Transformer架构,将图像分成多个patches进行输rm入,在很多图像分类任务中表现都不输最先进的卷积网络。 缺点就是在训练数据集较小时,性能不是很好。 Segmenter作为一个纯Transformer的编码-解码架构,利用了模型每一层的全局图像上下文。 基于最新的ViT研究成果,er将图像分割成块(patches),并将它们映射为一个线性嵌入序列,用编码器进行编码。再由Mask Transformer将编码器和类嵌入的输出进行解码,上采样后应用Argmax给每个像素一一分好类,输出最终的像素分割图。 下面是进行该模型的架构示意图: 解码阶段采用了联合处理图像块和类嵌入的简单方法,解码器Mask Transformer可以通过用对象嵌入代替类嵌入来直接进行全景分割。 效果如何 多说无益,看看实际效果如何? 首先他们在ADE20K数据集上比图像较不同Transformer变体,研究不同参数(正则化、模型大小、图像块大小、训练数据集大小,模型性能,不同的解码器等),全方面比较Segmenter与基于卷积的语义分割方法。 其中ADE20K数据集,包含具有挑战性的细粒度(f语义ine-grained)标签场景,是最具挑战性的语义分割数据集之一。 下表是不同正则化方案的比较结果: 他们发现随机深度(Stochastic Depth)方案可独立提高性能,而dropout无论是单独还是与随机深度相结合,都会分割损耗性能。 不同图像块大小和不同transformer的性能比较发现: 增加图像块的大小会导致图像的表示更粗糙,但会产生处理速度更快的小序列。 减少图像块大小是一个强大的改进方式,不用引入任何参数!但需要在较长的序列上计算Attent,性ion,会增加计算时间和内存占用。 Segmenter在使用大型transformer模型或小规模图像块的情况下更优: (表中间是带有线性解码器的不同编码器,表底部是带有Mask Transformer作为解码器的不同编码器) 下图能超也显示了Segmenter的明显优势,其中Seg/16模型(图像块大小为16x16)在性能与准确性方面表现最好。 最后,我们再来看看Segmenter与SOTA的比较: 在最具挑战性的ADE20K数据集上,Segmenter两项最先指标均高于所有SOTA模型! (中间太长已省略) 在Cityscapes数据集上与大多数SOTA不相上下,只比性能最好的Panoptic-Deeplab低0.8。 在Pascal Context数据集上的表现也是如此。 剩余参数比较,大家进的有兴趣的可按需查看论文细节。 论文地址:
https://www.arxiv-vanity.com/papers/2105.05633/
- 最近发表
- 随机阅读
-
- 云计算开发:Python内置函数-delattr()函数详解
- 云计算开发实例:Python3线性查找
- 标签: 华为 鸿蒙 昇腾 鲲鹏
- 标签: 致敬未知 BleeqUp 吴德周 AI运动眼镜
- 被亚马逊踢出平台:一商家花18个月和20万美元赢了官司
- 标签: FaradayFuture Futurist FFFaber EAI机器人
- 第二届中国IDC行业Discovery大会召开 热议元宇宙、东数西算等话题
- 寰�蒋绗�洓璐㈠�钀ユ敹462浜跨編鍏� 鍏朵腑鏅鸿兘浜戦儴闂ㄨ惀鏀�174浜跨編鍏�
- OpenAI 推出 ChatGPT 家长控制功能,引发青少年保护与用户自由的激烈争论
- 标签: 苹果 Meta Alan Dye iOS
- Gartner:2025年将有75%的风险投资将使用AI做决策
- 标签: 苹果 App Store Apple Ads 搜索广告
- 如何选择容器注册表,这里给出九个选项 译文
- 微软 Copilot 推出“应用构建器”和“自动化工作流”,用文字指令创建 App
- 上海AI实验室重磅发布!全球首个数据竞技场终结AI"炼丹"时代
- 一日一技:可视化分析 Redis Key 资源占用情况
- 标签: 腾励传动 IPO 汽车传动 国泰海通
- 标签: 奇瑞汽车
- Hdfs 相对路径与静态代码块引起的问题
- 标签: 鸿蒙 华为 比亚迪 vivo
- 搜索
-
- 友情链接