![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
霹雳吧啦Wz语义分割学习笔记
文章平均质量分 53
Happy_Cabbage
这个作者很懒,什么都没留下…
展开
-
霹雳吧啦Wz语义分割学习笔记P11
P11.U-Net网络结构讲解U-Net:Convolutional Networks for Biomedical Image Segmentation MICCAI 2015生物医学影像https://arxiv.org/abs/1505.04597encoder:左边,特征提取下采样 contracting pathdecoder:右边,通过一系列上采样得到最后的分割图 expansive path输入为572x572的单通道图片,通过3x3的卷积层(stride=1,原创 2022-04-21 11:58:18 · 3758 阅读 · 0 评论 -
霹雳吧啦Wz语义分割学习笔记P10
P10.LR-ASPP源码讲解train predict与fcn源码章节相同,唯一不同的是create_model创建的是lraspp结构(在src文件夹中的lraspp_model)def lraspp_mobilenetv3_large(num_classes=21, pretrain_backbone=False):#定义函数实例化lraspp模型 # 'mobilenetv3_large_imagenet': 'https://download.pytorch.org/models原创 2022-04-21 11:17:07 · 2043 阅读 · 0 评论 -
霹雳吧啦Wz语义分割学习笔记P9
P9.LR-ASPP模型简介轻量级语义分割网络https://arxiv.org/abs/1905.02244对比FCN和DeepLabv3网络原创 2022-04-17 11:15:16 · 473 阅读 · 0 评论 -
霹雳吧啦Wz语义分割学习笔记P8
P8.DeepLabV3网络简介1.前言Rethinking Astrous Convolution for Semantic Image Segmentation 2017CVPRhttps://arxiv.org/abs/1706.05587引入了Multi-grid改进ASPP结构移除CRFs后处理2.关于获取多尺度范围信息的一些可选的架构a.将图片缩放到不同的尺度,然后分别输入到网络进行正向推理,将多个尺度的输出进行融合得到最终的输出b.按照分类网络bac原创 2022-04-16 22:30:59 · 1773 阅读 · 0 评论 -
霹雳吧啦Wz语义分割学习笔记P7
P7.DeepLabV2网络简介1.前言Deeplab:Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs 2016 CVPRhttps://arxiv.org/abs/1606.00915换了backbone——ResNet引入了一个新的结构——ASPPDCNNs应用在语义分割任务中的问题分辨率被降低(主要由于下采样strid原创 2022-04-16 21:42:20 · 3153 阅读 · 0 评论 -
霹雳吧啦Wz语义分割学习笔记P6
P6.DeepLabV1网络简介1.前言semantic image segmentation with deep convolutional nets and fully connected CRFs2014 CVPRhttps://arxiv.org/abs/1412.7062语义分割任务中存在的问题:下采样导致图像分辨率降低——采用空洞卷积空间不敏感——fully-connected CRF网络优势:速度更快,论文中说是因为采用了膨胀卷积的原因,但fully-con原创 2022-04-16 18:32:51 · 1424 阅读 · 0 评论 -
霹雳吧啦Wz语义分割学习笔记P5
P5.Pytorch官方实现的FCN网络结构backbone:VGG16 -> ResNet50;使用了膨胀卷积原创 2022-04-16 12:07:46 · 700 阅读 · 0 评论 -
霹雳吧啦Wz语义分割学习笔记P4
P4.膨胀卷积(Dilated Convolution)空洞卷积(Atrous Convolution)1膨胀卷积的作用增大感受野保持原输入特征图W、Hkernel元素间存在间隙即膨胀因子r(r=1,相邻,即普通卷积)因为没有设置padding,所以高宽发生了改变。若padding=1,则保持原输入特征图W、HFCN网络在backbone中下采样32倍,然后经过上采样还原回原图尺寸。若下采样倍率过大,对还原回原图尺寸将产生很大的影响。VGG16网络通过MaxPooling层进行池原创 2022-04-16 11:44:07 · 637 阅读 · 0 评论 -
霹雳吧啦Wz语义分割学习笔记P3
P3.FCN网络结构详解Fully Convolutional Networks for Semantic Segmentation 2015CVPRhttps://arxiv.org/abs/1411.4038首个端对端的针对像素级预测的全卷积网络全卷积:将分类网络中的全连接层全部替换为卷积层...原创 2022-04-14 17:06:33 · 896 阅读 · 0 评论 -
霹雳吧啦Wz语义分割学习笔记P2
P2.转置卷积Transposed Convolution1.作用:上采样转置卷积不是卷积的逆运算转置卷积也是卷积2.转置卷积运算步骤在输入特征图元素间填充s-1行、列0在输入特征图四周填充k-p-1行、列0将卷积核参数上下/左右翻转做正常卷积运算(填充0:不填充,步距1:不同于上面的s,上面的s是转置卷积的s)GitHub - vdumoulin/conv_arithmetic: A technical report on convolution arithmetic原创 2022-04-14 11:04:24 · 697 阅读 · 0 评论 -
霹雳吧啦Wz语义分割学习笔记P1
P1.语义分割前言什么是语义分割原创 2022-04-13 12:25:43 · 2566 阅读 · 0 评论