ICNet 是一个既考虑性能，又考虑准确率的分割网络，包含了语义分割和边缘精确分割，因为偶然看到就简单的了解一下，记录下来

论文是: ICNet for Real_time Semantic Segmentation on High Resolution Images，整篇文章都在讲如何在分割的过程中，减少前向计算的时间，同时保证一定的accuracy。

首先提到了目前的Inference time for most popular group of seg nets

Caffe学习记录(十一) ICNet分割网络学习

可以看到PSPNet, ResNet等，在精确率上很高，但是单张前向计算速度相对很慢，而ENet则速度快而精确度不理想。

ICNet的目标是能在单张检测上达到Real_time的速度，而保证一定的精确率。

ICNet的整个网络如下：

Caffe学习记录(十一) ICNet分割网络学习

对一张原尺寸的图像进行压缩，1/2， 1/4比例，然后分别进行卷积，再把1/4的feature map 和1/2的做CFF处理，同样把1/2最后一层的Feature map 和原图的进行CCF处理，而原图的卷积则遵守了一般分割网络的特点，即desampling and then upsamping。

大致看了一下论文，原图那一层是用来做语义分析的，而剩下两层则用来作边缘的特征提取。

CCF是Cascade Feature Fusion，也就是特征融合的操作。

Caffe学习记录(十一) ICNet分割网络学习

 

看一下三层的效果，用了cityscape的数据集：

Caffe学习记录(十一) ICNet分割网络学习

 

整个网络的深度还是可以的：

Caffe学习记录(十一) ICNet分割网络学习

部署到linux上caffe，from https://github.com/BassyKuo/PSPNET-cudnn5.git， 此版本为CUDA8.0版本，原版只支持7.0

编译了一下，需要Matlab, 或者octive， 以及matio等，需要预先进行安装。

大概的用github上提供的脚本测试了一下速度， 单个GPU Nvidia Titan的速度大约是：44ms/张，速度还是相当快的，后续由于要在CPU上使用，准备对他进行进一步优化

Caffe学习记录(十一) ICNet分割网络学习