PSPnet：Pyramid Scene Parsing Network

最新推荐文章于 2024-09-27 10:20:10 发布
最新推荐文章于 2024-09-27 10:20:10 发布
阅读量1.1w 收藏 10
点赞数 3
文章标签： pspnet Pascal 卷积神经网络 语义分割 ResNet
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/bea_tree/article/details/56678560
版权

首先声明，文末彩蛋，不是笔者提问的

1 一句话总结

作者认为现有模型由于没有引入足够的上下文信息及不同感受野下的全局信息而存在分割出现错误的情景，于是，提出了使用global-scence-level的信息的pspnet，另外本文提出了引入辅助loss的ResNet优化方法。

2 网络结构

本文提出的网络结构简单来说就是将DeepLab（不完全一样）aspp之前的feature map pooling了四种尺度之后 将5种feature map concat到一起经过卷积最后进行prediction的过程。
这里写图片描述

3 ResNet

本文除了网络之外，其ResNet的模型还是挺强的
这里写图片描述
这里写图片描述
如上图，首先作者在训练的时候加入了辅助loss，另外ResNet起始的7x7的卷积替换了三个3x3的卷积

4 实施细节

  • 使用了poly的学习策略，learning rate 0.01,power 0.9
  • momentum 0.9 weight decay 0.0001
  • random mirror
  • random resize [0.5,2]
  • random rotation [-10 degree,10 degree]
  • random gaussian blur
  • new caffe (batch size 16)
  • auxiliary loss weight to 0.4

5 Ablation study

作者通过实验，验证了文中各种设置的作用

5.1 psp net的作用（包括pooling的形式及数量）

这里写图片描述

5.2 auxiliary loss

这里写图片描述

5.3 pre-trained model

这里写图片描述

5.4 其他

这里写图片描述

6 知乎上的讨论

这里写图片描述

这里写图片描述

bea_tree
关注
专栏目录
【PSPnet2017】Pyramid Scene Parsing Network
我的博客
10-13 1133
场景解析对于不受限制的开放词汇和多样化的场景来说是一个挑战。在本文中，我们通过我们的金字塔集合模块和提议的金字塔场景解析网络（PSPNet），利用基于不同区域的全局上下文信息的能力。我们的全局先验表示能够有效地在场景解析任务中产生高质量的结果，而PSPNet则为像素级预测提供了一个卓越的框架。所提出的方法在各种数据集上取得了最先进的性能。它在2016年ImageNet场景解析挑战赛、PASCAL VOC 2012基准测试和Cityscapes基准测试中名列第一。
FCN、SegNet、Dilated convolution、U-Net、V-Net、RefineNet、PSPNet、DeepLab V1/V2/V3/v3+笔记
jandyhan的博客
12-24 1646
1.FCN 2.SegNet 论文链接：https://arxiv.org/abs/1511.00561
PSPNet ：语义分割
最新发布
weixin_47569031的博客
09-27 954
PSPNet ：语义分割
【PSPnet】Pyramid Scene Parsing Network
OneCoder的博客
01-13 653
CVPR 2017,目前在google上显示已经被引用了744，相当厉害。 文章目录概述细节ResultsConclusion 概述 要解决的问题 Scene parsing 解决：当前基于FCN的模型缺乏将全局场景类别线索利用起来的策略。比如在论文的fig2中，将水中的船识别为汽车，这是一个由于目标的外型相似造成的error，但是根据周围场景（诸如在水里之类的），可以得出这不是车而更可能...
Pspnet: Pyramid Scene Parsing network
liguandong
03-17 244
Pyramid Scene Parsing network 引入更多上下文信息来避免场景不匹配问题，误分割问题 通过全局均值池化和特征融合来实现的 引入上下文信息的方式： 增大感受野，dilated conv；全局均值池化操作 深层和浅层特征的融合，增加浅层特征的语义信息，这样在浅层进行分割时就有足够的上下文信息，同时也有目标的细节信息。 Backbone是添加了dilated...
PSPNet: Pyramid Scene Parsing Network
00000cj的博客
05-03 1165
paper：Pyramid Scene Parsing Network code：GitHub - hszhao/semseg: Semantic Segmentation in Pytorch mmsegmentation/psp_head.py at v0.17.0 · open-mmlab/mmsegmentation · GitHub Important Observations 作者首先观察分析了将FCN方法应用于场景解析（Scene Parsing）时的几种代表性失败的情况，具体有.
【论文笔记】PSPNet：Pyramid Scene Parsing Network
学习 & 分享 ~
10-09 961
论文地址：https://arxiv.org/pdf/1612.01105.pdf 论文主页：https://hszhao.github.io/projects/pspnet/代码： Caffe：https://github.com/hszhao/PSPNet Keras：https://github.com/Vladkryvoruchko/PSPNet-Keras-tensorflow Tensorflow：https://github.com/hellochick/PSPNet-tensorflow P
【语义分割】5、PSPNet：Pyramid Scene Parsing Network
呆呆的猫的博客
03-24 1141
文章目录一、主要思想二、方法 一、主要思想 提出了pyramid pooling module (PPM) 模块，聚合不同区域的上下文信息，从而提高获取全局信息的能力。 现有的深度网络方法中，某一个操作的感受野直接决定了这个操作可以获得多少上下文信息，所以提升感受野可以为网络引入更多的上下文信息。 二、方法 Step1：使用global averag pooling得到不同尺度的特征，PPM模块融合了4个不同尺度的特征： 红色是最粗糙尺度，使用一个global average pooling 实现 其
《PSPNet：Pyramid Scene Parsing Network》论文笔记
m_buddy的博客
06-16 1795
代码地址：PSPNet 1. 概述 导读：这篇文章使用不同的金字塔池化模块从利用特征全局分类的角度在FCN网络的基础上提出了金字塔分割网络（Pyramid Scene Parsing Network， PSPNet），该网络能够使用全局与局部的信息用于产生最后较高质量的分割。此外，文章还提出了deeply supervised loss来更好优化分割网络（主干网络上的辅助损失函数）。文章提出的P...
【PSPNet】Pyramid Scene Parsing Network
Jinming Su
05-15 3741
引介 CVPR 2017，所属领域为Semantic Segmentation. Abstract 场景解析对于无限制的开放词汇和不同场景来说是具有挑战性的.本文使用文中的pyramid pooling module实现基于不同区域的上下文集成，提出了PSPNet，实现利用上下文信息的能力进行场景解析. Motivation 作者认为，FCN存在的主要问题是没有采取合适的策略来用...
Pyramid Scene Parsing Network（PSP NET）
lanyuxuan100的博客
04-11 1787
背景由于场景的多样性与开放性，场景解析是一项十分复杂的任务。 在这篇文章中，我们探索一下通过叠加金字塔池化与金字塔场景解析来获取全局上下文信息的能力。 金字塔场景解析网络，在场景解析任务中表现良好，pyramid scene parsing network (PSPNet)提供了一种很好的像素级别分割的框架。#
Pyramid Scene Parsing Network
qq_26499769的博客
04-07 2736
论文地址：https://arxiv.org/pdf/1612.01105.pdf 源码地址：https://github.com/hszhao/PSPNet 来自：Semantic Segmentation–Pyramid Scene Parsing Network(PSPNet)论文解读 《Pyramid Scene Parsing Network》论文笔记 What:PsPNet主要是通过金...
【语义分割】Pyramid Scene Parsing Network（PSNET）
Hali_Botebie的博客
04-26 3457
https://arxiv.org/pdf/1612.01105.pdf Abstract 本文通过所提出的： 金字塔场景分析网络（pyramid scene parsing network PSPNet）， 对不同区域的语境进行聚合， 使模型拥有了理解全局语境信息的能力。 我们的全局信息可以有效地在场景分析任务中产生高质量的结果， PSPNet则为像素级预测提供了一个优越的框架。 性能 在2016年ImageNet场景分析挑战赛、Pascal VOC 2012数据集和Cityscapes数据集中排名
pspNet
u012135425的博客
03-29 441
https://blog.csdn.net/u011974639/article/details/78985130
PSPNet——Pyramid Scene Parsing Network
乐亦亦乐的博客
09-28 2199
什么是PSPNet模型？ PSPNet模型最主要的特点是采用了PSP模块。 该模型提出的金字塔池化模块(Pyramid Pooling Module)能够聚合不同区域的上下文信息，从而提高获取全局信息的能力。实验表明这样的先验表示(即指代PSP这个结构)是有效的，在多个数据集上展现了优良的效果。 PSP结构的功能是将获取到的特征层划分成不同大小的网格，每个网格内部各自进行平均池化。实现聚合不同区域的上下文信息，从而提高获取全局信息的能力。 在PSPNet中，PSP结构典型情况下，会将输入进来的特征层
金字塔场景解析网络（Pyramid Scene Parsing Network ）
qq_40107571的博客
10-31 2457
Pyramid Scene Parsing Network
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