Silence的博客

PSPNet在分割中取得了非常不错的效果。 文章地址：PSPNetRelated work在神经网络的驱动下，像场景解析和语义分割这种像素级的预测都取得了很好的效果。像素级的预测主要分为两个主线：1、multi-scale feature ensembling 多尺度特征融合。因为在深度神经网络中，higher-layer包含更多的语义信息，较少的位置信息。多个尺度的特征融合有助于提高模型的效果。

Understanding Convolution for Semantic SegmentationAbstract  首先，我们设计了密集卷积上采样(dense upssampling convolution DUC)可以获得像素级别的上采样，DUC可以获取并解码一些细节信息，这些细节信息是双线性插值上采样不能获取的。第二，在编码部分我们提出了混合空洞卷积(Hybrid dilate...

论文地址：https://arxiv.org/abs/1706.05587Abstract  在这篇文章中，我们重温了atrous convolution(带孔卷积)，它可以很好的调整过滤器的感受野以及控制输出feature map的分辨率。为了解决分割中物体的多尺度，我们设计了带孔卷积的串行和并行模块来获取多尺度信息通过多个atrous rate(采样率)。另外，我们建议增加之前提出的A...

  本篇论文是在ImageNet上大放异彩，将CNN应用于cv大舞台，论文的作者是Alex Krizhevsky，来自加拿大多伦多大学Hinton组，所以论文中的模型又叫AlexNet。概述  ImageNet数据集共有150万张图片，分为22000个类别。Image Large-Scale Visual Recognition Competition(ILSVRC-2010)和ILSVR...