语义分割--RefineNet: Multi-Path Refinement Networks for High-Resolution Semantic Segmentation
来源:互联网 发布:https默认端口号 编辑:程序博客网 时间:2024/05/18 20:04
RefineNet: Multi-Path Refinement Networks for High-Resolution Semantic Segmentation
CVPR2017
https://github.com/guosheng/refinenet
本文还是使用 cascaded 思想来做语义分割!但是引入了 residual connections with identity mappings 、
提出一个 chained residual pooling
1 Introduction
直接将 CNN 网络模型如 VGG 、Residual Net 用于 语义分割存在的问题就是 CNN 卷积池化得到的特征图是降采样32倍的,很多细节丢失,这对于分割问题来说得到的结果太粗糙了。
解决方法之一就是通过学习反卷积滤波器来 放大特征图 up-sampling operation,这个方法因为不能恢复 low-level visual features 所以导致分割的精度不高。
文献【6】通过引入 atrous (or dilated) convolutions 通过 larger receptive fields 避免降采样。这个方法尽快很成功,但是仍然有两个缺点:1)因为卷积核比较大,卷积的区域较大,计算量也就比较大。再就是 a large number of high-dimensional and high-resolution feature maps 导致需要 较大的 GPU 内存 ,尤其在训练时,这就导致输出结果的尺寸是输入的 1/8 ; 2) dilated convolutions 引入了 coarse sub-sampling of features,这可能导致重要信息的丢失。
文献【36】【22】使用了 intermediate layers 来生成高分辨率分割结果。
这里我们认为 features from all levels 对于语义分割都是有帮助的。这里我们提出了一个框架将所有的特征融合起来用于语义分割
ResNet 、Dilated convolutions 、 RefineNet
RefineNet 模块示意图:
multi-path 输入 经过 Residual convolution unit 、Multi-resolution fusion、Chained residual pooling、Output convolutions 另一个 residual convolution unit (RCU)
- 语义分割--RefineNet: Multi-Path Refinement Networks for High-Resolution Semantic Segmentation
- RefineNet: Multi-Path Refinement Networks for High-Resolution Semantic Segmentation
- 图像分割“RefineNet-Multi-Path Refinement Networks for High-Resolution Semantic Segmentation”
- [Paper note] RefineNet: Multi-Path Refinement Networks for High-Resolution Semantic Segmentation
- [论文分享]RefineNet: Multi-Path Refinement Networks for High-Resolution Semantic Segmentation
- 论文阅读:《RefineNet: Multi-Path Refinement Networks for High-Resolution Semantic Segmentation》
- [深度学习论文笔记][CVPR 17]RefineNet: Multi-Path Refinement Networks for High-Resolution Semantic
- 实时语义分割--ICNet for Real-Time Semantic Segmentation on High-Resolution Images
- 实时语义分割--ICNet for Real-Time Semantic Segmentation on High-Resolution Images
- 语义分割--Full-Resolution Residual Networks for Semantic Segmentation in Street Scenes
- 语义分割--Efficient and Robust Deep Networks for Semantic Segmentation
- 【图像语义分割】Fully Convolutional Networks for Semantic Segmentation
- 语义分割--Global Deconvolutional Networks for Semantic Segmentation
- 语义分割--Label Refinement Network for Coarse-to-Fine Semantic Segmentation
- 语义分割--Understanding Convolution for Semantic Segmentation
- 用于语义分割的全卷积网络 (fully convolutional networks for semantic segmentation)
- 语义分割--DeconvNet--Learning Deconvolution Network for Semantic Segmentation
- 语义分割--Loss Max-Pooling for Semantic Image Segmentation
- 安卓虚拟机错误:PANIC: Missing emulator engine program for 'arm' CPU.
- 修改hosts之后,模拟器连不上问题解决
- nio ScatterAndGather的API(二)
- 215. Kth Largest Element in an Array
- Tomcat工作原理
- 语义分割--RefineNet: Multi-Path Refinement Networks for High-Resolution Semantic Segmentation
- 【mysql 修炼之路】如何从菜鸟成为mysql 大神?
- 进程优先级和调度
- PL/SQL批处理语句:BULK COLLECT与FORALL
- ElasticSearch的Java API
- RabbitMQ消息队列(五):RPC远程调用
- HTML学习---------1.13 地址标签 <address>和链接标签<a>
- HDU
- 数字转换成字符串