【时间】2018.09.24
【题目】在VGG网络中dense evaluation 与multi-crop evaluation两种预测方法的区别以及效果
【预测方式】:论文中考虑了两种预测方式:
- 方法1: multi-crop,即对图像进行多样本的随机裁剪,然后通过网络预测每一个样本的结构,最终对所有结果平均
- 方法2: densely, 利用FCN的思想,将原图直接送到网络进行预测,将最后的全连接层改为1x1的卷积,这样最后可以得出一个预测的score map,再对结果求平均
【上述两种方法分析】:
- Szegedy et al.在2014年得出multi-crops相对于FCN效果要好
- multi-crops相当于对于dense evaluatio的补充,原因在于,两者在边界的处理方式不同:multi-crop相当于padding补充0值,而dense evaluation相当于padding补充了相邻的像素值,并且增大了感受野
- multi-crop存在重复计算带来的效率的问题