【CVPR2020-Oral-计算所-旷视】学习用于语义分割的动态路由，Learning Dynamic Routing

近年来，许多手工设计和搜索的网络被应用于语义分割。然而，以前的工作打算在预定义的静态架构中处理各种规模的输入，如FCN、U-Net和DeepLab系列。本文研究了一种概念上的新方法来缓解语义表示中的尺度差异，即动态路由。该框架根据图像的尺度分布，生成与数据相关的路径。为此，提出了一种可微选通函数——软条件门，用于动态选择尺度变换路径。此外，通过对门控函数进行预算约束，可以通过端到端方式进一步降低计算成本。我们进一步放宽了网络级路由空间，以支持每个转发中的多路径传播和跳转连接，带来了可观的网络容量。为了证明动态特性的优越性，我们比较了几种静态架构，它们可以作为路由空间中的特殊情况进行建模。为了证明动态框架的有效性，我们在Cityscapes和PASCAL VOC 2012上进行了大量的实验。代码在此https://github.com/yanwei-li/DynamicRouting