BiSeNet，是用于实时语义分割的双向分割网络。
语义分割需要丰富的空间信息，以及足够大的感受野。但是，现代方法通常牺牲空间分辨率来得到实时推断速度，导致性能表现不好。
通过设计小步长的空间路径（spatial path）来保留空间信息和生成高分辨率特征。同时，快速下采样的上下文路径（context path）可以得到足够的感受野。然后，特征融合模块能够有效地结合各种特征。
语义分割，就是对每个像素进行分类。
模型加速的方法
1）裁剪或者resize输入的图像，以减少计算复杂度。简单有效，但是空间细节的丢失（特别是边界），会导致预测精度下降。
2）减少通道数或者阶段。
3）U型架构。
参考链接