【论文阅读笔记】[Semantic Segmentation] FC-DenseNet阅读笔记

jingwenlai 2018-8-15

# 简介 & 主要贡献

Tiramisu - FC-DenseNet (https://arxiv.org/abs/1611.09326),

经典的semantic image segmentation的方法基于CNN，主要包含3个组件：

(a) 一个downsampling path,主要用来提取特征

(b) 一个upsampling path，被训练用来在输出结果中逐步恢复输入精度

(c) 可选地，一个后处理模块(如Conditional Radom Fields)来优化模型输出。

经典的U-Net即是这种结构。

DenseNet在图像分类中获得了非常优异的结果，其结构更精准且更易于训练。

FC-DenseNet在无预训练及后处理的情况下，在CamVid, Catech数据集上获得了state-of-the-art的结果。并且，该结构含更少的参数，且易于训练。

Code& Experiments: https://github.com/SimJeg/FC-DenseNet/blob/master/train.py

A GOOD alternative implementation(pyTorch) & Explanation: https://github.com/bfortuner/pytorch_tiramisu

 

# 实现思路及方法