摘要

我们提出了一种新型高效的语义分割架构，基于“瀑布式”空洞空间池化（Waterfall Atrous Spatial Pooling）结构，在显著降低网络参数量和内存占用的同时，实现了显著的精度提升。所提出的瀑布式（Waterfall）架构在保持与空间金字塔结构相当的多尺度感受野的同时，充分利用了级联结构中逐步过滤的高效性。此外，该方法无需依赖条件随机场（Conditional Random Fields）等后处理阶段，进一步降低了模型复杂度并减少了训练时间。实验结果表明，采用ResNet作为主干网络的瀑布式架构在Pascal VOC和Cityscapes数据集上均取得了当前最优的分割性能，且参数量大幅减少，展现出卓越的鲁棒性与高效性。