图像分割“SegNet”
来源:互联网 发布:阿里小号能注册淘宝吗 编辑:程序博客网 时间:2024/04/29 03:03
可训练的图像分割引擎,包含一个encoder网络,一个对应的decoder网络,衔接像素级分类层,解码网络与VGG16的13层卷积层相同。解码网络是将低分辨率的编码特征图映射到全分辨率的特征图。解码网络使用最大池化层的池化索引进行非线性上采样,上采样过程就不需要学习。上采样得到的稀疏图与可训练的滤波器卷积得到致密的特征图。
使用池化层索引进行上采样的优势:1)提升边缘刻画度;2)减少训练的参数;3)这种上采样模式可以包含到任何编码-解码网络中。
SegNet网络的结构如下图所示:
编码网络与滤波器族卷积得到特征图,进行BN,ReLU,最大池化。最大池化是为了获得空间小位移的平移不变。最大池化和下采样损失了边缘细节,因此,在编码过程中保存边缘信息很重要。考虑到内存原因,只保存最大池化索引,如最大特征值的位置。
SegNet解码技术如下图所示:
解码网络使用保存的最大池化索引上采样,得到稀疏的特征图,将特征图与可训练的解码滤波器族卷积得到致密的特征图。之后进行BN。高维的特征图输入soft-max层,对每个像素进行分类,得到每个像素属于K类的概率。
图3中右边是FCN的解码技术,FCN对编码的特征图进行降维,降维后输入到解码网络,解码网络中,上采样使用反卷积实现,上采样的特征图与降维的编码图进行element-wise add得到最终的解码特征图。FCN解码模型需要存储编码特征图,在嵌入式设备中内存紧张。
实验结果
道路场景,与传统方法比较
与其他深度学习方法比较
阅读全文
0 0
- 图像分割“SegNet”
- 图像语义分割(2)- SegNet
- SegNet-基于深度学习的图像分割
- 语义分割SegNet
- 语义分割-2:segnet网络
- 【语义分割】[文章阅读]segNet
- Segnet分割网络caffe教程(一)
- Segnet分割网络caffe教程(二)
- SegNet
- 图像分割
- 图像分割
- 图像分割
- 图像分割
- 图像分割
- 图像分割
- 图像分割
- 图像分割
- 图像分割
- ◎SuppressWarnings("unchecked")
- PHP+MySQL+JQuery实现发布微博程序—JQuery
- Hashtable和HashMap分析
- spring 和 redis整合,并且使用redis做session缓存服务器
- markdown
- 图像分割“SegNet”
- 一个关于arm64-v8a、armeabi向下兼容so文件的坑
- pm2 常用命令
- vector
- java利用播放器爆视频
- Gradle for Android 第四篇( 构建变体 )
- netstat 状态统计
- 斯坦福机器学习之特征选取
- Protobuf协议的Java应用例子