Segnet主要目的是应用于场景理解应用,主要是内存和效率上的权衡。和DeconvNet结构很大相似性
编码网络(encoder network):由13个卷积层组成(使用的时预训练的VGG16的前13层),该部分提取输入特征,用于目标分类,这就是使用预训练的VGG原理所在,至于丢弃FC层是为了保持更高的分辨率,同时也减少了参数。
解码网络(decoder network):每个encoder会对应一个decoder,故decoder具有13层,将低分辨率的feature map映射回和输入一样大小分类器(mask).
像素分类层(pixelwise classification layer):decoder的输出会送到分类层,最终为每个像素独立的产生类别概率
实现decoder的方式
Segnet与FCN实现上采样的方法如上所示,Segnet 中Decoder阶段包括的Conv主要目的是填补0,这和DeconvNet中deconv层的作用是一样的。
关于为什么运行会快?
去除了FC层,保存pool中的最大值索引,但是在精确性上不好。