DUC HDC 笔记

Understanding Convolution for Semantic Segmentation

1 Jun 2018

thought

1、增加的可学习参数形式上不一定对应,能变换回来就行
2、直觉上的不合理要仔细分析

motivation

1、上采样更好地恢复信息,bilinear upsampling is not learnable, deconvolution zeros have to be padded
2、空洞卷积有 gridding 现象

solution

在这里插入图片描述
dense upsampling convolution (DUC)
增加通道数,将conv恢复的feature加在channel维度上,再reshape到original resolution
论文效果比 deconv 略好
hybrid dilated convolution (HDC)
级联不同 rate 的 dilated conv,覆盖掉 grid
在这里插入图片描述
参考
https://blog.csdn.net/u011974639/article/details/79460893
https://www.cnblogs.com/ansang/p/9003513.html
https://zhuanlan.zhihu.com/p/26659914

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值