飞桨paddlepaddle图像分割课程笔记

本文是关于飞桨PaddlePaddle图像分割课程的笔记,涵盖了FCN全卷积网络、U-Net、PSPNet和DeepLab系列网络的结构和原理。FCN通过上采样实现分割,U-Net则结合了上采样和特征拼接,PSPNet引入Pyramid Pooling Module获取上下文信息,DeepLab系列网络则利用ASPP模块处理上下文信息。
摘要由CSDN通过智能技术生成

飞桨paddlepaddle图像分割课程笔记

最近花了一周时间听了百度飞桨推出的图像分割课程,受益匪浅,特此记录一下。

1. FCN 全卷积网络

FCN-32s网络结构
上图是一个FCN-32s网络的结构图。在这个网络中,图片经过骨干网络(VGG Network)提取特征后,得到长宽缩小32倍的特征图,随后直接将特征图上采样32倍,得到和输入图片一样大小的分割图。

是不是特别简单直接。别看这个网络设计的这么简单,但确实可以得到分割图。

当然,因为是直接将特征图上采样32倍,这种方式得到的分割精度不会很高。

为了提高分割精度,作者还提出将骨干网络的中间层提取出来,与上述分割结果融合,得到最终的输出结果。这样就可以得到FCN-16s, FCN-8s, FCN-4s以及FCN-2s网络。
FCN-8s网络将Pool3、Pool4的输出取出并融合
上图展示的是FCN-8s网络,该网络将Pool3和Pool4的输出取出,与FCN-32s的输出结果融合,得到最终的分割图。具体的融合方式见下图:

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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