一路狂奔的猪的博客

下面介绍全卷积网络最简单的结构，实际就是卷积层和反卷积层组成。即使只采用三个卷积层两个池化层（比Alexnet）更简单也能实现语义分割。下面语义分割的二分类和三分类为例。图像尺寸可以缩小到64x64.想要提升精度，在GitHub上有介绍最新的FCN结构完整语义分割任务，最新的结构无论是PSPNet，DeeplabV3,CCNet,DANet都是在想办法提升网络的感受野，利用上下文信息。从而提升语义...

以语义分割热门的数据集Cityscapes的精度作为参考，比较当前语义分割网络效果：可以通过ICNet中的这张图来说明目前大多数方法的精度以及速度，目前MIOU超过80的有PSPNet、ResNet38、PSPNet、DUC、以及DANet最近开源的CCNet(最后两个基于attention机制)。最简单的基于FCN的人脸语义分割Code：https://github.com/Hq...

PSP全称:Pyramid Scene Parsing 中间的结构是PSPnet的核心结构，称为金字塔场景解析，作用是捕获多尺度信息。b的是CNN网络中输出的特征图，金字塔场景解析用于捕获不同子区域的特征，经过PSP模块得到的特征图包含了局部和全局信息，后面接一个上采样和concat层，最后一个卷积输出。  ...

论文标题：Structured Knowledge Distillation for Semantic Segmentation论文地址：https://arxiv.org/abs/1903.04197这是一篇CVPR2019做语义分割任务的文章，在训练好的大的分割模型上运用知识蒸馏的算法，使得比较小的模型也能提高语义分割的性能。从上图可以看到，本论文提出的方法能够在不增加参数量...