Learning Deconvolution Network for Semantic Segmentation

最新推荐文章于 2021-09-27 10:28:21 发布
最新推荐文章于 2021-09-27 10:28:21 发布
阅读量3.8k 收藏
点赞数
分类专栏： papers 文章标签： 深度学习 图像分割
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/meanme/article/details/50897477
版权

Intro：

这里写图片描述

Idea：

1. Unpooling：首先subpooling的时候记住max pooling layer选择的最大值的location，然后在Unpooling层还原回原location，其它像素应该是用0代替，得到sparse的map：

这里写图片描述

2. Deconvolution：conv_transpose（params可学习）：

这里写图片描述

3. Post-processing: 使用fully-connected CRF给coarse map作refine

Xiaomin-Wu
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
语义分割论文：Learning Deconvolution Network for Semantic Segmentation (ICCV2015)
mingo_敏
04-01 1016
Deconvolution: Learning Deconvolution Network for Semantic Segmentation (ICCV2015) https://arxiv.org/pdf/1505.04366.pdf http://cvlab.postech.ac.kr/research/deconvnet/ Caffe: https://github.com/Hyeonw...
Learning Deconvolution Network for Semantic Segmentation 笔记
qq_23840359的博客
06-08 334
一、Abstract1.基于VGG-16网络2.对输入图像每一个proposal使用网络进行训练，结果由各个segmentation map结合得到3.设计的网络减少了已存在方法的限制，结果PASCAL VOC 2012数据集 72.5%的accuracy二、IntroductionCNN广泛应用于各种visual recognition问题，例如，image classification，obj...
论文评述：Learning Deconvolution Network for Semantic Segmentation
liangdaojun的博客
06-18 711
2:30 - 4:45 这篇文章是 利用 deconv net 进行 semantic segmentation的先作，在之前ZF曾利用deconv net 做 neural network的可视化工作，它相当于 conv net 的mirror。 作者利用的是VGG16，应该是fine-trunning 其所有层的参数。（文中没有提到，所以是猜测）。 训练过程分为两个阶段，第一个阶段：根据gro
论文笔记：Learning Deconvolution Network for Semantic Segmentation
01-06
文章目录1 摘要2 亮点2.1 解码器结构2.1.1 反池化层2.1.2 反卷积层2.1.3 反池化和反卷积结合2.2 网络整体结构3 部分效果3.1 FCN和DeconvNet的对比3.2 各个网络效果对比4 结论5 参考文献 1 摘要 ...
《Learning Deconvolution Network for Semantic Segmentation》论文笔记
安成
04-12 487
注：文章仅是对自己学习的记录，非专业评论what：文章讲了一个反卷积用于语义分割的模型，这个模型也属于一个encoder-decoder模型，与大多数类似的模型一样，传承了FCN的思想，编码网络沿用了VGG的编码结构，特点在于新设计的解码结构。新解码结构的特点：unpooling的坐标记录和deconvolution 的使用。当然，这篇文章除了解码结构以外，由于数据量不够大，还用了两个的trick...
【论文笔记】Learning Deconvolution Network for Semantic Segmentation
xiaxzhou的博客
07-01 2720
Learning Deconvolution Network for Semantic Segmentation首先介绍了基于FCN的语义分割，如论文： Fully Convolutional Networks for Semantic Segmentation Semantic Image Segmentation with Deep Convolutional Nets and Fully Co
【DeconvNet】Learning Deconvolution Network for Semantic Segmentation
Jinming Su
05-03 3551
基本情况 这是ICCV2015的一篇文章，所属领域为semantic segmentation.这篇文章比SegNet早. Abstract 提出深度反卷积网络: 是在vgg16的顶部添加反卷积层.反卷积层由deconvolution、relu和upooling组成. 通过把每一张图片的不同的proposal送入deploy的网络，通过aggregate得到最后的语义分割结果. 改进...
【论文翻译】Learning Deconvolution Network for Semantic Segmentation
No1_Lucky_pig的博客
09-27 382
论文地址：https://arxiv.org/abs/1505.04366v1 主要是为了记录一下自己的论文阅读资料 原文： https://blog.csdn.net/huitailangyz/article/details/81872804 【概要】 我们提出了一个新颖的通过学习反卷积网络来进行语义分割的算法。我们在来自VGG16层的卷积层之上来学习网络。反卷积网络由反卷积和反池化层组成，用来确定像素级别的类别标签预测分割掩码。对于每个输入图像，我们将训练好的网络应用到每一个方案中，然后通过一个简单的方
【论文研读】【图像分割】Learning Deconvolution Network for Semantic Segmentation
qq_40690815的博客
11-22 475
Learning Deconvolution Network for Semantic Segmentation1. Introduction2. Related Work3. System Architecture3.1 Architecture3.2 Deconvolution Network for Segmentation3.2.3 Analysis of Deconvolution Network4. Training4.1 Batch Normalization4.2 Two-stage Tra
语义分割--DeconvNet--Learning Deconvolution Network for Semantic Segmentation
AI小作坊 的博客
05-19 8056
Learning Deconvolution Network for Semantic Segmentation ICCV2015 http://cvlab.postech.ac.kr/research/deconvnet/ https://devhub.io/zh/repos/myungsub-DeconvNet本文提出了一个 deconvolution network 用于语义分割，还是针
[深度学习论文笔记][Semantic Segmentation] Learning Deconvolution Network for Semantic Segmentation
Hao_Zhang_Vision的博客
11-13 1077
Noh, Hyeonwoo, Seunghoon Hong, and Bohyung Han. “Learning deconvolution network for semantic segmentation.” Proceedings of the IEEE International Conference on Com- puter Vision. 2015. (Citations: 13
深度学习论文笔记（七）---Deconvolution network-2016年（Learning Deconvolution Network for Semantic Segmentation ）
朝花&夕拾
07-23 1734
深度学习论文笔记（七）---Deconvolution network Learning Deconvolution Network for Semantic Segmentation Author：H Noh ， S Hong ， B Han Year：2016 1、  导引 2015年提出的FCN网络在Semantic segmentation上取得了较好的成绩，但是依然存在
论文阅读：Learning Deconvolution Network for Semantic Segmentation
漩涡小林的博客
02-20 850
文章目录1 摘要2 亮点2.1 解码器结构2.1.1 反池化层2.1.2 反卷积层2.1.3 反池化和反卷积结合2.2 网络整体结构3 部分效果3.1 FCN和DeconvNet的对比3.2 各个网络效果对比4 结论5 参考文献 1 摘要 针对单纯的FCN网络存在忽略小物体、分解大物体的问题，当时通常地做法是使用CRF做后处理进行对分割结果进行调整。而本文提出了DeconvNet，该网络可以拆解成...
【论文阅读】Learning Deconvolution Network for Semantic Segmentation
huitailangyz的博客
08-20 1926
论文地址：https://arxiv.org/abs/1505.04366v1   目录 【概要】 一、介绍 二、相关工作 三、系统结构 3.1 结构 3.2 用于分割的反卷积网络 3.3 系统概述 四、训练 4.1 批标准化（Batch Normalization） 4.2 两步训练 五、推断 5.1 汇总实例级别的分割映射 5.2 与FCN进行集成 六、实验 ...
deconvolution kernel
最新发布
05-02
Deconvolution kernel, also known as transposed convolution kernel, is a learnable filter used in deconvolutional neural networks. It is the inverse operation of convolution and is used to upsample feature maps in order to reconstruct an image or to perform semantic segmentation. The deconvolution kernel is a matrix of weights that is typically initialized randomly and learned during the training process. The size of the kernel depends on the desired output size and the stride used during the convolutional operation. In contrast to convolutional kernels, which perform a sliding dot product between the kernel and the input feature map, deconvolution kernels perform a sliding dot product between the kernel and the output feature map. This results in an upsampled feature map that can be used for image generation or segmentation.
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值