深度学习之图像分割(二):SegNet

2SegNet/DeconvNet:修改VGG网络,基于解码的方法

    编码器-解码器结构:池化-上池化实现

 

    编码器采用最大池化层逐渐缩小输入数据的空间维度,解码器采用上池化逐步恢复目标细节和相应的空间维度。上池化的实现主要在于池化时记住输出值的位置,在上池化时再将这个值填回原来的位置,其他位置填0OK

 

评论
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