# SegNeXt: Rethinking Convolutional Attention Design for Semantic Segmentation

• 大きい畳み込みカーネルで Transformer の attention を置き換えることで Segformer を改善していく．
• multi-scale 畳み込み特徴を用いて空間的 attention を実現する．
• シンプルなかつコスト低い畳み込みを用いて ViT よりも良いパフォーマンスであった．

# アブスト

我々は SegNeXt を提案する．SegNeXt は，セマンティック・セグメンテーションにシンプルな畳み込みネットワークである．最近 Transformer に基づいたモデルは，空間情報のエンコーディングにおける効率的 self-attention で，セマンティック・セグメンテーション分野の首位となる．この研究で，畳み込み attention は，文脈上情報をエンコードするに，Transformer の self-attention 機構よりも効率的かつ効果的な手法を示している．成功したセグメンテーション・モデルが持つ特性を再検討することで，セグメンテーション・モデルのパフォーマンス向上につながるいくつかの重要な要素を発見した．これは安価な畳み込み演算を使用する新しい畳み込み attention ネットワークを設計する動機になる．付加機能がなければ，我々の SegNeXt は，ADE20K，Cityscapes，COCO-Stuff，Pascal VOC，Pascal Context，iSAID などの一般的なベンチマークで，以前の最先端の方法のパフォーマンスを大幅に改善する．特に，SegNeXt は NAS-FPN を用いた EfficientNet-L2 よりも優れたパフォーマンスを発揮し、Pascal VOC 2012 テスト・リーダーボードで 1/10 のパラメーターのみを使用して 90.6% の mIoU を達成している．SegNeXt は ADE20K データセットの最先端の方法と比較して，同等またはより少ない計算で約 2.0% の mIoU の改善を達成する．コードが利用可能です．

# イントロ

（つづき）

# 専門用語和英対照