滑窗预测丢失上下文信息,且运行缓慢,无法复用特征图。
传统的网络会逐层下采样,如何把下采样后的特征图变为原图的尺寸?可以采用双线性插值、科学系的转置卷积,也可以用更大感受野的空洞卷积。
恢复预测图的细节:融合高层和底层特征,或者基于条件随机场进行更精细的后处理。通过池化金字塔、多尺度空洞卷积充分利用上下文信息。、
滑窗预测丢失上下文信息,且运行缓慢,无法复用特征图。
传统的网络会逐层下采样,如何把下采样后的特征图变为原图的尺寸?可以采用双线性插值、科学系的转置卷积,也可以用更大感受野的空洞卷积。
恢复预测图的细节:融合高层和底层特征,或者基于条件随机场进行更精细的后处理。通过池化金字塔、多尺度空洞卷积充分利用上下文信息。、