Caffe學習記錄(十一) ICNet分割網路學習
ICNet 是一個既考慮效能，又考慮準確率的分割網路，包含了語義分割和邊緣精確分割，因為偶然看到就簡單的瞭解一下，記錄下來
論文是: ICNet for Real_time Semantic Segmentation on High Resolution Images，整篇文章都在講如何在分割的過程中，減少前向計算的時間，同時保證一定的accuracy。
首先提到了目前的Inference time for most popular group of seg nets
可以看到PSPNet, ResNet等，在精確率上很高，但是單張前向計算速度相對很慢，而ENet則速度快而精確度不理想。
ICNet的目標是能在單張檢測上達到Real_time的速度，而保證一定的精確率。
ICNet的整個網路如下：
對一張原尺寸的影象進行壓縮，1/2， 1/4比例，然後分別進行卷積，再把1/4的feature map 和1/2的做CFF處理，同樣把1/2最後一層的Feature map 和原圖的進行CCF處理，而原圖的卷積則遵守了一般分割網路的特點，即desampling and then upsamping。
大致看了一下論文，原圖那一層是用來做語義分析的，而剩下兩層則用來作邊緣的特徵提取。
CCF是Cascade Feature Fusion，也就是特徵融合的操作。
看一下三層的效果，用了cityscape的資料集：
整個網路的深度還是可以的：
部署到linux上caffe，from https://github.com/BassyKuo/PSPNET-cudnn5.git， 此版本為CUDA8.0版本，原版只支援7.0
編譯了一下，需要Matlab, 或者octive， 以及matio等，需要預先進行安裝。
大概的用github上提供的指令碼測試了一下速度， 單個GPU Nvidia Titan的速度大約是：44ms/張，速度還是相當快的，後續由於要在CPU上使用，準備對他進行進一步優化
