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