基于Transformer的高效自适应语义分割网络

张海波,蔡磊,任俊平,王汝言,刘富

Efficient and adaptive semantic segmentation network based on Transformer

Hai-bo ZHANG,Lei CAI,Jun-ping REN,Ru-yan WANG,Fu LIU

表 4 不同分割模型在ADE20K数据集、Cityscapes数据集上推理速度的评估结果

Tab.4 Evaluation results of inference speed for different segmentation models on ADE20K dataset and Cityscapes dataset

算法 基础网络结构 FPS/（帧 $\cdot {{\rm{s}}^{ - 1} }$） ADE20K Citysapes FCN[1] ResNet-101[19] 20.7 1.7 PSPNet[3] ResNet-101 20.3 1.8 DeepLabV3+[7] ResNet-101 18.7 1.6 DeepLabV3+ ResNeSt-101[21] 16.1 2.5 UperNet[22] Swin-S[24] 20.1 — UperNet Convnext[25] 17.1 — SETR[11] ViT[12] 8.3 — DPT[27] ViT 20.5 — Segmenter Mask[28] ViT 21.3 — Segformer[20] MiT[20] 18.6 2.5 EA-Former MiT 21.9 2.8 Segformer* MiT 15.7 — EA-Former* MiT 18.1 — UperNet ResNet-101 — 2.3 CCnet[9] ResNet-101 — 1.7 DeepLabV3[6] ResNeSt-101 — 2.4 SETR ViT — 0.4 Segformer# MiT — 2.3 EA-Former# MiT — 2.5