轻量化语义分割网络有哪些

目前常用的轻量化语义分割网络包括：

1. ENet：使用深度可分离卷积和上采样技术，带有正则化和降维模块，能够在保证较高精度的同时大幅减少模型参数和计算量。

2. ICNet：基于金字塔结构的多尺度网络，将全分辨率图像和降采样图像同时输入，能够在保证较高精度的同时大幅缩短推理时间。

3. BiSeNet：将较浅的网络和较深的网络进行融合，其中浅层网络用于提取语义信息，深层网络用于提取空间信息，能够在保证较高精度的同时较好地平衡模型大小和速度。

4. Fast-SCNN：基于金字塔结构的多尺度网络，使用深度可分离卷积和轻量级注意力机制，能够在保证较高精度的同时大幅减少模型参数和计算量。

5. LEDNet：采用轻量级编码器-解码器结构，通过密集连接和注意力机制来提高语义分割精度，同时大幅减少模型参数和计算量。

这些网络都具有较高的精度，并且相较于传统的语义分割网络，具有更少的参数和计算量，因此可以在移动设备和嵌入式设备上实现实时语义分割。