Learning Dynamic Routing for Semantic Segmentation — Online Dynamic Network Architecture

论文链接:https://arxiv.org/abs/2003.10401

GitHub (PyTorch)项目地址:https://github.com/yanwei-li/DynamicRouting

Introduction

如何有效处理输入图像中目标尺度的差异性和多样性，是语义分割领域所面临的一个关键挑战；

• 传统应对方式主要依赖于构建合理的静态网络架构 ：

1. FCN, U-Net, PSPNet, Conv-Deconv, SegNet等；

• 针对特定应用场景及硬件条件，也可借助NAS技术自动探索高效的网络架构：

1. Auto-DeepLab等；

• 然而，这种单一且固定的网络结构难以适应真实世界中目标尺度分布的广泛变化；
• 本研究提出了一种动态路由机制 (dynamic routing)：

1. 在推理阶段 可依据数据特征生成依赖路径，即网络结构能够根据输入内容进行动态调整，以匹配不同尺度的目标分布，在实现良好语义表达的同时保障较高的运行效率；
2. 与SuperNet、DARTS等方法存在一定的融合与拓展关系 ，Dynamic Routing以超网络为核心框架，根据实时输入信息生成相应的参数配置，从而在线、动态地完成网