语义分割-PSPNet（Pyramid Scene Parsing Network）

最新推荐文章于 2021-11-07 15:50:10 发布
最新推荐文章于 2021-11-07 15:50:10 发布
阅读量791 收藏 2
点赞数
文章标签： 语义分割 PSPnet 深度学习网络架构
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/studyeboy/article/details/88344193
版权

摘要

论文
Pyramid Scene Parsing Network

code
PSPNet.git

成绩
2016年ImageNet场景分类挑战赛第一，PASCAL VOC 2012数据集上语义分割第一 ，城市场景Cityscapes data数据集上第一。

主要贡献

  • 提出金字塔场景解析网络，提取困难场景中的上下文信息，嵌入基于FCN的像素预测的网络框架中。
  • 基于深度监督损失为ResNet网络制定有效的优化策略。
  • 为最优场景分类构建了一个实用的系统，其中包含了所有关键的实现细节。

baseline network
FCN and dilated network

mIoU accuracy

  • PASCAL VOC 2012：85.4%
  • Cityscapes：80.2%

数据集

ADE20K dataset
新的ADE20K 数据集包含150种对象类别标签和1038种图像级别场景描述。挑战数据被分成20k/2k/3k张图像进行训练、验证和测试。

Cityscapes
Cityscapes是最近发布的用于城市场景语义理解的数据集。包含50个不同城市不同季节的5000个像素级精细注释的高质量图像。2975500张图像用于训练，1525张图像用于测试。定义了19个对象类别。为了比较使用精细数据训练和使用精细和粗略数据训练的差异，提供了20000个粗略注释的图像。

网络架构

PSPNet网络架构

结果

在这里插入图片描述

在这里插入图片描述

参考文献

https://blog.csdn.net/u011961856/article/details/77165427

studyeboy
关注
语义分割论文：Pyramid Scene Parsing Network (2017)
mingo_敏
04-01 604
PSPNet: Pyramid Scene Parsing Network (2017) https://arxiv.org/pdf/1612.01105.pdf https://hszhao.github.io/projects/pspnet/ 特点： 能够有效的得到像素级场景标注的全局上下文信息， pyramid pooling module 集合不同 levels 的信息，比 global...
金字塔场景解析网络（Pyramid Scene Parsing Network ）
最新发布
qq_40107571的博客
10-31 2398
Pyramid Scene Parsing Network
【PSPnet】Pyramid Scene Parsing Network
OneCoder的博客
01-13 628
CVPR 2017,目前在google上显示已经被引用了744，相当厉害。 文章目录概述细节ResultsConclusion 概述 要解决的问题 Scene parsing 解决：当前基于FCN的模型缺乏将全局场景类别线索利用起来的策略。比如在论文的fig2中，将水中的船识别为汽车，这是一个由于目标的外型相似造成的error，但是根据周围场景（诸如在水里之类的），可以得出这不是车而更可能...
PSPNet: Pyramid Scene Parsing Network
Silence的博客
04-10 8550
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。
【语义分割】5、PSPNet：Pyramid Scene Parsing Network
呆呆的猫的博客
03-24 1069
文章目录一、主要思想二、方法 一、主要思想 提出了pyramid pooling module (PPM) 模块，聚合不同区域的上下文信息，从而提高获取全局信息的能力。 现有的深度网络方法中，某一个操作的感受野直接决定了这个操作可以获得多少上下文信息，所以提升感受野可以为网络引入更多的上下文信息。 二、方法 Step1：使用global averag pooling得到不同尺度的特征，PPM模块融合了4个不同尺度的特征： 红色是最粗糙尺度，使用一个global average pooling 实现 其
Pyramid Scene Parsing Network - arxiv - 1612.01105
_menglan_Zi
12-09 3114
Pyramid Scene Parsing Network - arxiv - 1612.01105 2016年imagenet的scene parsing的冠军 github: https://github.com/hszhao/PSPNet project: http://appsrv.cse.cuhk.edu.hk/~hszhao/projects/pspnet/index.h
【语义分割】——PSPNET
怡宝2号
09-08 622
转载自:https://www.it610.com/article/1297334292074012672.htm 大名鼎鼎的PSPnet, 2016年 ILSVRC’16 MIT Scene Parsing Challenge冠军。原文请戳https://arxiv.org/abs/1612.01105 基于像素级别的预测任务比如场景解析或者语义分割，最先使用卷积层替换分类任务中的全连接层得到了较好的效果(Fully Convolutional Networks for Semantic Segmenta
语义分割-PSPNet
weixin_43925119的博客
11-15 425
论文阅读： 《Pyramid Scene Parsing Network》原文链接 场景解析对于不受限制的开放词汇表和多样化的场景具有挑战性。在此论文中，利用金字塔池模块和金字塔场景解析网络(PSPNet)来开发基于不同区域的全球上下文信息聚合的能力。全局先验表示法能够有效地生成高质量的场景解析结果，pspnet在像素级预测上作为优越的框架。该方法在不同的数据集上实现了最先进的性能。2016年，在场景解析挑战中获第一。PSPNet在PASCAL VOC 2012和Cityscapes上的mIoU的准确性分别
语义分割——PSPNet
Eva_Hua的专栏
10-24 618
《Pyramid Scene Parsing Network》 大名鼎鼎的PSPnet, 2016年ILSVRC'16 MIT Scene Parsing Challenge冠军。原文请戳https://arxiv.org/abs/1612.01105 基于像素级别的预测任务比如场景解析或者语义分割，最先使用卷积层替换分类任务中的全连接层得到了较好的效果(Fully Convolutiona...
PSPNet ：语义分割
Twilight737的博客
08-07 5217
PSPNet：语义分割 随着卷积神经网络在目标检测任务上的推进，它也开始被用于更精细的图像处理任务：语义分割和实例分割。目标检测只需要预测图像中每个对象的位置和类别，语义分割还要把每个像素都进行分类，而实例分割的任务则更难，要进一步把每个对象的不同实例都区分开。 图像语义分割（semantic segmentation），从字面意思上理解就是让计算机根据图像的语义来进行分割。语义分割是对图像中的每一个像素进行分类，目前广泛应用于医学图像与无人驾驶等。语义在语音识别中指的是语音的意思，在图像领域，语义指的是
Pyramid Scene Parsing Network（PSPNet）
qq_36321330的博客
04-05 289
code 进行场景分析所遇见的问题 Pyramid Pooling Module 红色表示最粗糙的全局池化层。 可以修改金字塔层的数量和每层的大小， 本文的金字塔池模块是一个四层模块，其大小分别为1×1、2×2、3×3和6×6。 （b）由带有空洞卷积的预训练resnet网络得到，其大小为输入大小的 1/8 Deep Supervision for ResNet-Based FCN 上图显示了...
[Paper note] Pyramid Scene Parsing Network
chn13的博客
12-22 1009
paper note for PSPNet
Pyramid Scene Parsing Network（PSP NET）
lanyuxuan100的博客
04-11 1762
背景由于场景的多样性与开放性，场景解析是一项十分复杂的任务。 在这篇文章中，我们探索一下通过叠加金字塔池化与金字塔场景解析来获取全局上下文信息的能力。 金字塔场景解析网络，在场景解析任务中表现良好，pyramid scene parsing network (PSPNet)提供了一种很好的像素级别分割的框架。#
《Pyramid Scene Parsing Network》
正在挣扎中的人
11-07 276
总结PSPNet
PSPNet——Pyramid Scene Parsing Network
乐亦亦乐的博客
09-28 2157
什么是PSPNet模型？ PSPNet模型最主要的特点是采用了PSP模块。 该模型提出的金字塔池化模块(Pyramid Pooling Module)能够聚合不同区域的上下文信息，从而提高获取全局信息的能力。实验表明这样的先验表示(即指代PSP这个结构)是有效的，在多个数据集上展现了优良的效果。 PSP结构的功能是将获取到的特征层划分成不同大小的网格，每个网格内部各自进行平均池化。实现聚合不同区域的上下文信息，从而提高获取全局信息的能力。 在PSPNet中，PSP结构典型情况下，会将输入进来的特征层
Pyramid Scene Parsing Network
m0_37859875的博客
08-10 601
Pyramid Scene Parsing Network
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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