Opt-RetinaSeg: Segmentazione Semantica Ottimizzata per Sistemi Automobilistici Embedded
Opt-RetinaSeg è un'architettura innovativa che modifica il framework di rilevamento RetinaNet per consentire la segmentazione semantica in tempo reale su sistemi automobilistici embedded. Sostituisce ResNet-50 con un estrattore di caratteristiche ibrido e leggero, riconfigura la Feature Pyramid Network per minimizzare i calcoli non necessari e presenta una testa di segmentazione compatta che utilizza un bilanciamento delle classi ispirato alla focal-loss specificamente per ambienti stradali. Inoltre, un processo di ottimizzazione in tre fasi implementa il potatura strutturata dei canali insieme alla quantizzazione INT8 post-addestramento. Questa ricerca è disponibile su arXiv con l'ID 2607.22714.
Fatti principali
- Opt-RetinaSeg deriva da RetinaNet per la previsione densa a livello di pixel.
- Il backbone è cambiato da ResNet-50 a un estrattore di caratteristiche ibrido e leggero.
- La Feature Pyramid Network è ristrutturata per ridurre i calcoli multi-scala.
- La testa di segmentazione utilizza un bilanciamento delle classi ispirato alla focal-loss per lo squilibrio primo piano-sfondo.
- L'ottimizzazione in tre fasi include potatura strutturata dei canali e quantizzazione INT8.
- Mirato a sistemi automobilistici embedded con vincoli di calcolo, memoria e potenza.
- ID del paper: arXiv:2607.22714.
- Pubblicato su arXiv.
Entità
Istituzioni
- arXiv