语义分割模型介绍
本章主要讲解的是语义分割网络模型的发展:FCN 、SegNet、Unet、DeepLab、RefineNet、PSPNet、GAN语义分割。
- FCN
- SegNet
- Unet
- DeepLab
- RefineNet
- PSPNet
- GAN
FCN
FCN首先将图片进行以一系列的卷积和池化操作得到特征图,包含较强的语义信息,但是缺少细节信息,然后利用反卷积对最后一个卷积层得到的特征图进行上采样,得到与原图大小的特征图,从而实现对于每个像素值的预测。
主要特点:
- 因为只有卷积和池化,所以可以接受任意大小的图片。
- 引入增大数据尺寸的翻卷积层(Deconv)。输出更加精细的结果。
- 结合不同深度结果的跨越链接(skip connection)。确保鲁棒性和精确性。
上图为不同卷积操作之后的上采样,可以将模型划分为FCN-32s, FCN-16s, FCN-8s. 32代表了上采样了32倍。