资讯 社区 文档
高精度轻量级图像分割SOTA模型PP-LiteSeg重磅开源!
发布日期:2022-04-25 10:45浏览量:1656次

图像分割技术在医疗病灶分析、自动驾驶车道线分割、绿幕人像抠图等领域发挥着举足轻重的作用。相比目标检测、图像分类等技术,图像分割需要将每个像素点进行分类,在精细的图像识别任务中不可替代。

 

图1 图像分割应用

 

正因如此,DeepLabv3、OCRNet、BiseNetv2、Fast-SCNN 等优秀算法层出不穷,然而在实际产业落地过程中往往需要综合考虑硬件性能、精度等多方面因素,对算法的需求也是苛刻的。往往业界算法在保障高识别精度的情况下,就会牺牲算法运行速度;反之追求速度,则会带来精度的大幅度损失。

图2 各算法速度与精度平衡情况示意

 

如何能同时实现速度和精度的均衡,在当前云、边、端多场景协同的产业大趋势下高标准满足产业需求,是各届研究人员致力投入的方向。

 

PP-LiteSeg 就是这样一个同时兼顾精度与速度的 SOTA(业界最佳)语义分割模型。它基于 Cityscapes 数据集,在 1080ti 上精度为 mIoU 72.0 时,速度高达273.6 FPS(mIoU 77.5 时,FPS 为102.6),超越现有 CVPR SOTA 模型 STDC,真正实现了精度和速度的 SOTA 均衡。

图3 PP-LiteSeg 速度与精度

 

更值得令人惊喜的是,PP-LiteSeg 不仅在开源数据集评测效果优秀,在产业数据集也表现出了惊人的实力!例如在质检、遥感场景,PP-LiteSeg 的精度与高精度、大体积的 OCRNet 持平,而速度却快了近7倍!!!

 

空口无凭,欢迎优秀的你直接试用!(记得 Star 收藏跟进最新状态)

 

传送门:

https://github.com/PaddlePaddle/PaddleSeg

 

 

 PP-LiteSeg 结构详解 

 

那 PP-LiteSeg 为何可以拥有这么优秀的效果呢?

 

其基于编解码架构,提出三个创新模块:灵活的解码模块(FLD)、注意力融合模块(UAFM)、简易金字塔池化模块(SPPM)。具体而言,PP-LiteSeg 模型首先使用轻量级 STDCNet 作为编码模块, 然后将编码模块的输出作为 SPPM 模块的输入,得到具有全局上下文信息的特征图,最后使用 FLD 解码模块从深层到浅层不断融合特征图,得到分割结果。

图4 PP-LiteSeg 结构图

 

灵活的解码模块(FLD)

 

为了消除传统解码模块的冗余,PP-LiteSeg 提出了灵活的解码模块(FLD)。随着层级从深到浅,传统解码模块中特征图的尺寸逐渐增大,通道数保持不变。而 FLD 模块中特征图的通道数逐渐减小,可以平衡不同层的算量。同时,根据编码模块灵活调整解码模块中通道数,平衡编码模块和解码模块的算量,使得整个模型更加高效。

 

(a)传统解码架构  (b)FLD 解码架构

图5 传统解码架构与 FLD 解码架构对比

 

注意力融合模块(UAFM)

 

PP-LiteSeg 提出了统一注意力融合模块(UAFM)来有效地加强特征表示,而且设计了空间注意力模块(b)和通道注意力模块(c)。空间注意力模块使用输入特征图的空间相互关系来生成权重 α,表示空间维度不同像素点的重要性。通道注意力模块是使用输入特征图的通道相互关系来生成权重 α,表示不同通道的重要性。所以,UAFM 充分利用了输入特征的空间以及通道之间的关系,加强了特征表示。

 

图 6 (a)UAFM模块的结构图 

(b)空间注意力模块 (c)通道注意力模块

简易金字塔池化模块(SPPM)

 

上下文融合模块是语义分割模型中不可或缺的一部分。基于 PPM 模块的设计思想,PP-LiteSeg 设计了一种简易金字塔池化模块(SPPM)。SPPM 模块主要操作:

 

  • 使用空间金字塔池化操作来融合特征图的信息,其中有三个全局池化算子,分别输出1*1、2*2、4*4尺寸的特征图;
 
  • 对小尺寸的特征图执行卷积和上采样运算,得到通道和尺寸相同的特征图;
 
  • 将上一步的输出进行相加,执行以个卷积运算后,得到最终的特征图。和传统 PPM 模型相比,SPPM 模块减小了中间特征图的通道数、移除了跳跃连接、使用加法算子替换级联算子。
 

图7 简易金字塔池化模块(SPPM)

 

正是基于这些模块的设计与改进,最终 PP-LiteSeg 超越其他方法,在 1080ti 上精度为 mIoU 72.0 时,速度高达 273.6 FPS(mIoU 77.5 时,FPS为102.6),实现了精度和速度的 SOTA 平衡。

 

更多关于 PP-LiteSeg 的内容,请参考:

https://github.com/PaddlePaddle/PaddleSeg/tree/develop/configs/pp_liteseg

 

为了让开发者们更深入地了解 PP-LiteSeg 这个 SOTA 模型,解决落地应用难点,掌握产业实践的核心能力,飞桨团队精心准备了精品直播课!

 

4月26日20:30,百度资深高工将为我们详细介绍精度和速度平衡的 PP-LiteSeg,对其原理及使用方式进行拆解,更有汽车金属垫片缺陷分割实战,加上直播现场互动答疑,还在等什么!抓紧扫码上车吧!

 

扫码报名直播课,进入技术交流群


【引用说明】

图1 

  • 辅助驾驶图片来源百度地图 APP AR 导航截图

  • 3D 分割数据集来源于 MRISpineSeg spine dataset

  • 人像抠图源于百度飞桨内部工作人员

  • 遥感图像源于中科星图 GEOVIS iBrain 空天大数据智能解译产品

图2-图7源于 PP-LiteSeg 论文

技术能力
语音技术
文字识别
人脸与人体
图像技术
语言与知识
视频技术