Xiang神经网络总结（十一）

视觉识别任务

1. 分类：就是识别出你这个图片主体是什么，比如我就仅仅说这个图片是个猫。
2. 语义分割：图片上的每一个像素属于什么类别，针对于像素级别。
3. 目标检测：给出图片上目标是什么以及目标的位置。
4. 实力分割：给出图片上不同目标像素级别的分割。
   达到语义分割最简单的思路是对于每一个像素进行判断，用一个窗口进行滑动。
   
   这样有个问题：滑动窗口如果重叠，会使相邻特征被反复重复计算。若滑动窗口没有重叠，也得好几次对同一图片进行滑动。
   解决方案，我就卷积一次。
   
   多个卷积核进行一次卷积。
   
   得到C×H×W的特征响应图，对于其中每一个横条矩阵，预测了网络对于该像素属于哪一个类的预测。原来图像进行每一个像素的类别标注，多次卷积然后反向计算类别预测损失，更新卷积核值。
   
   问题：每一步保持原始H×W的分辨率会使的显存需求特别大，导致显存爆炸。
   
   介绍几种上采样方法：
   
   

1.直接4个小格全部由原始值代替。
2.四个小格某个位置为原始值，其他位置为0。
3.下采样的时候记录下采样位置，上采样的时候恢复对应位置值。

我们来看另一种方式。
首先回顾卷积操作，以上述三×三操作为例。

通过转置可以使得4维变回6维

上采样中x y z是可以学习的。

上层网络向上采样依赖于高层信息，但是很多低层信息也是有用的，所以两个桥接：低层卷积核和高层卷积核桥接，downpooling和uppooling桥接，保证低层信息不被丢失。