![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
语义分割
文章平均质量分 90
风的暖色调
这个作者很懒,什么都没留下…
展开
-
语义分割3:U-Net++学习总结
xij是节点Xij的输出,i是沿着编码器下采样层的索引,j是密集块沿着跳跃路径的卷积层索引。H(·)是跟随一个激活函数的卷积操作,u(·)是上采样层,[ ]是连接层。原创 2024-04-10 14:12:26 · 753 阅读 · 1 评论 -
语义分割2:U-Net学习总结
上采样具有的大量特征通道允许将上下文信息传播到高分辨率特征层上,U-Net的Encoder和Decoder是高度对称的,输入图像可以获得更加完整的上下文,催生了重叠贴图策略,对任意大的图像进行无缝切割,可以通过镜像的输入预测图像边缘缺失的上下文,对大型图像来说可以减少硬件对分辨率的限制。原创 2024-04-09 22:52:47 · 1056 阅读 · 0 评论 -
语义分割1:PSPNet学习总结
PSPNet(金字塔场景解析网络),用于场景解析和语义分割,为了挑战开放词汇和复杂场景而提出。PSPNet利用全局上下文信息和金字塔池化模块,分层次(等级)提取不同区域的上下文信息并聚合,为像素级场景解析提供有效的上下文信息。网络架构简述:基于ResNet50框架,金字塔池化模块。原创 2024-03-11 00:31:27 · 720 阅读 · 2 评论