零基础入门语义分割-Task3 语义分割模型发展

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。

Unet

DeepLab

SegNet

RefineNet