• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Artificial Neural Networks >Light-Weight Edge Enhanced Network for On-orbit Semantic Segmentation
【24h】

Light-Weight Edge Enhanced Network for On-orbit Semantic Segmentation

机译：轻量级边缘增强网络，用于在轨语义分割

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

On-orbit semantic segmentation can produce the target image tile or image description to reduce the pressure on transmission resources of satellites. In this paper, we propose a fully convolutional network for on-orbit semantic segmentation, namely light-weight edge enhanced network (LEN). For the model to be pruned, we present a new model pruning strategy based on unsupervised clustering. The method is performed according to the l_1-norm of each filter in the convolutional layer. And it effectively guides the pruning of filters and corresponding feature maps in a short time. In addition, the LEN uses a trainable edge enhanced module called enhanced domain transform to further optimize segmentation performance. The module fully exploits multi-level information of the object to generate the edge map and performs edge-preserving filtering on the coarse segmentation. Experimental results suggest that the models produce competitive results while containing only 1.53 M and 1.66 M parameters respectively on two public datasets: Inria Aerial Image Labeling Dataset and Massachusetts Buildings Dataset.
机译：在轨语义分割可以产生目标图像块或图像描述，以减轻对卫星传输资源的压力。在本文中，我们提出了一种用于在轨语义分割的全卷积网络，即轻量级边缘增强网络（LEN）。对于要修剪的模型，我们提出了一种基于无监督聚类的新模型修剪策略。该方法根据卷积层中每个滤波器的l_1范数执行。它可以有效地指导在短时间内修剪过滤器和相应的特征图。此外，LEN使用称为增强域变换的可训练边缘增强模块来进一步优化分段性能。该模块充分利用对象的多级信息来生成边缘图，并对粗略分割执行边缘保留过滤。实验结果表明，该模型产生了竞争性结果，同时在两个公共数据集上分别仅包含1.53 M和1.66 M参数：Inria航空影像标签数据集和Massachusetts Buildings数据集。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号