我们正在为 PC 和移动平台开发一个语义分割应用程序。最初我们尝试了谷歌当前最先进的 DeeplabV3+ 框架。使用的数据集是 Pascal VOC，来自官方模型动物园的模型在精度方面（张量流）。模型在 PC 和移动端（转换为 coreml 和 tflite）的性能不能满足我们的要求。即使我们尝试了不同的模型优化和量化技术，我们也无法在两者之间取得很好的平衡性能和准确性。
然而，我们实际上只关心单个类的分割（在 PASCAL VOC 中）。但是模型计算每个类标签的分割掩码，这在我们的例子中似乎是多余的。所以，如果我们训练网络只有一个类（额外的背景），它会在速度方面提高性能吗？