泛读论文：Image Segmentation 图像分割合集

Image Segmentation

Fully Convolutional Networks for Semantic Segmentation

CVPR’15

问题

• 这是第一次训练端对端的FCN进行
  • 像素级别预测
  • 来自监督的预训练

方法

把传统的CNN的FC层换成了卷积层，然后上采样后通过跳接叠加输出

参考

https://arxiv.org/pdf/1411.4038v2.pdf

---

Multi-Scale Context Aggregation by Dilated Convolutions

ICLR’16

问题

• 图像语义分割问题中下采样会降低图像分辨率、丢失信息

方法

• 提出了膨胀卷积（Dilated Convolution）

收获

• 用膨胀卷积上采样可以在增大感受野的同时保证计算量不变

参考

https://arxiv.org/abs/1511.07122

---

DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs

ICLR‘15

问题

1. reduced feature resolution,
2. existence of objects at multiple scales,
3. reduced localization accuracy due to DCNN invariance.

方法

• 对于第一个问题，作者去掉了FCN池化后几层的下采样操作，降低stride并使用hole算法代替上采样。
• 对于第二个问题，作者提出了在卷积操作之前小对给定的feature layer用多种采样率进行 resample
  • 即采用多个并行的不同采样率的atrous convolutional layers（ASPP）
• 对于第三个问题，采用一个fully-connected CRF

参考