RGPNET: A REAL-TIME GENERAL PURPOSE SEMANTIC SEGMENTATION
PDF: https://arxiv.org/pdf/1912.01394.pdf
PyTorch代码: https://github.com/shanglianlm0525/PyTorch-Networks
1 适配器(Adaptor)
Adaptor融合来自多个层特征，进一步帮助边界的细化，同时Adaptor通过添加较短的路径来辅助渐变梯度流。
Adaptor优点：
- Adaptor聚合来自不同上下文和空间级别的特征。
- 通过引入较短的路径，有助于梯度从较深的层流向较浅的层。
- Adaptor允许使用轻量解码器的不对称设计，这将减少卷积层，进一步增强梯度流。因此，Adaptor使网络适合于实时应用，因为它在保留空间信息的同时提供了丰富的语义信息。
2 带标签松弛的渐进式调整大小(Progressive Resizing with Label Relaxations)
提出一种改进的标签松弛来消除降低分辨率时标签映射中的混叠效应, 即采取了最大化像素周围区域相似度分布，而不是单个像素级别的标签最大可能化.
同时针对边界类别，提出了边界损失函数
3 网络结构
