语义分割之large kernel matters个人总结

最新推荐文章于 2023-07-16 10:31:49 发布
最新推荐文章于 2023-07-16 10:31:49 发布
阅读量951 收藏 3
点赞数
分类专栏： 深度学习 文章标签： 语义分割
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/LeeWanzhi/article/details/83450163
版权

1. Architecture

作者想要解决的是分类与定位的对立矛盾。
分类具有平移不变性，而定位则对位置变化非常敏感。
在分割任务中，全卷积的网络更侧重于定位，往往会让分类任务获得的感受野较小，这会导致无法获得足够的object信息，不利于分类。
于是作者增大了感受野。
在这里插入图片描述
整体的decoder过程依旧是老套路，融合+反卷积。不过，引入了两个新的block–GCN和BR。

2. GCN

类似于Inception结构，可以用较少的参数得到较大的感受野。 K可以取大一点，light head rcnn里取得是15.
在这里插入图片描述

3. BR

这块类似于残差block。S_hat = S + residual(S)
作者这块相当于建了一个模型，S得到是粗糙的分割图，residual(S)则侧重的是学习精细的边缘信息。
以此来提高分割的效果。
在这里插入图片描述

coder_mckee
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Large Kernel Matters —— Improve Semantic Segmentation by Global Convolutional Network论文阅读
u010067397的专栏
12-20 622
语义分割可以看做一个像素点分类问题。这个任务有两个挑战： 1、分类 2、定位 好的设计模型同时处理这两个问题。 我们解决这两个问题
Large Kernel Matters论文解读
zym19941119的博客
07-20 2251
Introduction 这篇文章来自于17年的ICCV会议，作者来自清华与旷视，这篇文章提出大的卷积核对分割网络非常重要，并使用论文中提出的GCN（Global Convolution Network）显著提高了分割的精度。这篇文章还有一个后续，叫做ExFuse，但ExFuse这篇文章更多的是各种小trick的叠加，质量一般。 ExFuse的论文全称为ExFuse: Enhancing Fe...
Large Kernel Matters
qq_26499769的博客
04-07 416
Large Kernel Matters 论文信息 论文地址：Large Kernel Matters ——Improve Semantic Segmentation by Global Convolutional Network 发表日期：8 Mar 2017 创新点 提出全局卷积网络（Global Convolutional Network，GCN），用以同时提高语义分割中分类和定位的准确度。...
图像分割--Large Kernel matters（GCN）
zk_ken的博客
05-29 6239
论文地址：https://arxiv.org/abs/1703.02719论文代码：https://github.com/ZijunDeng/pytorch-semantic-segmentation [PyTorch]参考文献：https://blog.csdn.net/bea_tree/article/details/609775121. Introduction本文的架构是：使用 ResNe...
Large Kernel Matters Improve Semantic Segmentation by Global Convolutional Network
卓为的博客
01-30 413
1
PaperReading4-Large Kernel Matters—— Improve Semantic Segmentation by Global Convolutional Network
u010142666的博客
07-15 483
今天我给大家介绍的是一篇face++的关于改进卷积的分割网络。由于时间关系大概讲下论文思路。首先，论文分析了 Semantic Segmentation这个任务：1基础知识：（1）大卷积效果比小卷积好，因为大卷积可以接收的感受野大，对于物体语义可以进行更好的判断（classification），但是大卷积损失了细节信息多点，而且参数也多；（2）堆积小卷积可以达到大卷积的效果，实现大的感受野，而且参...
深度学习语义分割论文
12-07
8. **17Large Kernel Matters .pdf**：《Large Kernel Matters – Improve Semantic Segmentation by Global Convolutional Network》（2017年）。该研究指出大核卷积在网络中对于捕捉远距离依赖关系的重要性，并...
matters
03-06
在本项目“matters”中，可能涉及到的是一个关于CSS定制与优化的工程实践。 标题“matters”可能是项目的名字或者特定主题，它暗示了我们可能在讨论某个应用或网站的前端设计，特别是与CSS相关的部分。"matters"这...
chapter7.zip_个人事务管理_个人日常事务管理系统_事务管理
09-22
个人日常事务管理系统（PDMS，Personal Daily Matters System）是为了解决这个问题而设计的软件工具，它旨在帮助用户组织、跟踪和完成他们的日常任务，提升生活和工作的效率。 PDMS的核心功能包括： 1. **任务管理...
Pseudo-Mask Matters in Weakly-Supervised Semantic.pdf
11-21
【伪掩模在弱监督语义分割中的重要性】\n\n在计算机视觉领域，语义分割是一项基础任务，它需要耗时的像素级手动注释。为了减轻标注负担，弱监督语义分割方法应运而生，这些方法利用了如涂鸦注释、边界框、点或图像级...
Fast Matting Using Large Kernel Matting Laplacian Matrices.pdf
03-10
香港中文大学微软研究院何博士写的一篇关于快速抠图的论文。
目标分割(八)Large Kernel Matters---GCN讲解
Raywit的博客
02-28 4900
目标分割GCN讲解0. ABSTRACT1. INTRODUCTION2. Related WorkReference 原文：GCN 收录：CVPR 2017 (IEEE Conference on Computer Vision and Pattern Recognition) 代码：GCN-github   0. ABSTRACT   在如今网络架构设计中，在...
Large Kernel Matters个人阅读笔记
qq_39556696的博客
10-18 155
Large Kernel Matters介绍相关工作方法GCN整体结构实验ablation 个人学习用---- 介绍 既要分类，又要定位，但是这两个任务目标矛盾： 分类需要对平移/旋转等变换具有稳健性，定位却需要对平移/旋转感知敏感。 对此文章提出了一个GCN(Global Convolutional NetWork)，以解决上述问题。 除此以外还搞了一个Boundary Refinement Block(BR)，主要是为了约束边界，强化定位。 相关工作 主要讨论以前基于FCN(全卷积)做的改进工作： 1）
Large Kernel Matters论文理解
weixin_38440272的博客
12-05 408
    Large Kernel Matters ——Improve Semantic Segmentation by Global Convolutional Network 发表日期：8 May 2017 本文主要提出两种结构，全局卷积网络（Global Convolutional Network，GCN），Boundary Refinement block（BR） GCN同时改善分...
语义分割论文翻译：Large Kernel Matters —— Improve Semantic Segmentation by Global Convolutional Network
weixin_43673376的博客
08-11 418
1、Large Kernel Matters —— Improve Semantic Segmentation by Global Convolutional Network 摘要：小的卷积核堆叠比用一个大的卷积核计算更加高效。在语义分割领域，需要执行每个像素的预测分类，更大的卷积核（感受野更大），对于分类和定位任务来说，作用更大。所以提出GCN来解决语义分割的分类和定位的问题。文中还提出一个基于残差的边界细化模块。 但从摘要可以看出主要有方面工作：用了更大感受野的信息，还有就是后处理（边界refine）。
Large Kernel Matters ——Improve Semantic Segmentation by Global Convolutional Network论文笔记
sunyao_123的博客
08-24 605
作者发现大核对分割于有重要作用。所以提出Global Convolutional Network。和使用residual-based boundary refinement处理边界。 Global Convolutional Network 分割包含两部分内容，定位，分类。论文称，这两块互相矛盾。1）对于分类任务，模型应该对变换不敏感（比如，移动，旋转，缩放）；2）对于定位任务，模型应该对变换...
Matting
猫哆哩o0
10-31 537
1.Sampling-based（基于采样的抠图算法） Pick out the optimal foreground and background sample pairs from known regions for each unknown pixel, then figure out α value directly based on matting equation. · 基本思想：假
第十三章：Large Kernel Matters——大核心很重要，通过全局卷积网络改进语义分割
最新发布
ADICDFHL的博客
07-16 399
根据我们对分类和分割的分析，我们发现大尺寸的卷积核对于缓解分类和定位之间的矛盾非常重要。遵循大尺寸卷积核的原则，我们提出了全局卷积网络。消融实验表明，我们提出的结构在有效感受野和参数数量之间取得了良好的平衡，并取得了良好的性能。为了进一步精细化物体边界，我们提出了一种新颖的边界细化模块。从定性上看，我们的全局卷积网络主要改善了内部区域，而边界细化则提高了边界附近的性能。我们的最佳模型在两个公共基准测试中取得了最先进的结果：PASCAL VOC 2012（82.2%）和Cityscapes（76.9%）。
大核注意力Large Kernel Attention(LKA)
m0_46507285的博客
03-01 6078
这种分解方式也被叫做大核注意力(Large Kernel Attention)，即LKA。如上图所示，一个很大kernel size的卷积被分解成一个Depth-wise卷积+一个Depth-wise空洞卷积+一个1× \times× 1卷积。这样，就可以大大减少FLOPs和参数量。很有效地解决了小核卷积的local性。 class AttentionModule(nn.Module): def __init__(self, dim): super().__init__()...
《Matters Computational》：算法与源代码探索
"Matters Computational: ideas, algorithms, source code" 这本书是Jörg Arndt编写的《Matters Computational》，是一本深入探讨算法的经典著作。书中涵盖了丰富的算法内容，并附有源代码，对于想要深入了解算法...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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