Paddle图像分割7日打卡营学习总结

本文总结了图像分割领域的几个关键模型,包括FCN的全卷积结构,U-Net的编码器-解码器设计,PSPNet的金字塔池化模块,以及DeepLab的空洞卷积技术。这些模型通过不同的方式处理上下文信息,提升像素级分类的准确性。
摘要由CSDN通过智能技术生成

课程地址:课程

1.FCN

FCN论文地址:https://arxiv.org/abs/1411.4038
代码地址:https://github.com/shelhamer/fcn.berkeleyvision.org

1.1 什么是FCN?

对于一般的分类CNN网络,都会在网络的最后加入全连接层,经过softmax后就可以获得类别概率信息。但这个概率信息是1维的,即智能标识整个图片的类别,不能识别每个像素点的类别。而图像语义分割是像素级分类任务,所以对于分类CNN网络需要加以改进。FCN=Fully Convolution Networks,即网络是全卷积,没有全连接层。这样换一下之后,网络可以输出二维图像。但是经过前面的CNN,会使特征图的尺寸变小,那么怎么输出与原图一样大小的图呢?这需要采用上采用方法。下面首先看FCN网络结构。
在这里插入图片描述

1.2 FCN网络结构

输入图像经过conv1-5个下采样,特征图变为原来尺寸

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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