SegNet 理解与文章结构-CSDN博客

SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation

发表于2016年，作者 Vijay Badrinarayanan, Alex Kendall, Roberto Cipolla, Senior Member

模型结构：

创新点：

在 encoder 部分的最大池化操作时记录了最大值所在位置（索引），然后在 decoder 时通过对应的池化索引实现非线性上采样，这样在上采样阶段就无需学习。上采样后得到的是一个稀疏特征图，再通过普通的卷积得到稠密特征图，再重复上采样。最后再用激活函数得到onehot 分类结果。SegNet 主要比较的是 FCN，FCN解码时用反卷积操作来获得特征图，再和对应 encoder 的特征图相加得到输出。SegNet 的优势就在于不用保存整个 encoder 部分的特征图，只需保存池化索引，节省内存空间；第二个是不用反卷积，上采样阶段无需学习，尽管上采样完以后还要卷积学习。

训练时设置：

对RGB的输入图像做 local contrast normalization，参数初始化用了 he_normal。

评价指标：

参数量，运行时间，内存消耗。

全局精度，分类平均精度，miou，边界精度（semantic contour score，图像对角线0.75%个像素的边界误差计算F1-score）[57,58,59]。这些指标都在权重根据类别调整和未调整两个状态下进行了评估

模型比较：

1、不同 decoder 变体性能比较，主要是 SegNet 和 FCN 的变体，来说明 SegNet 的内存节省和 encoder 部分特征图的重要性

2、用了两个数据集（道路景象分割，室内景象分割），来比较 SegNet 和传统方法，以及 SegNet 和其余的深度学习方法（不同迭代次数下比较）

讨论和展望：

SegNet 虽然在精确度上没有提升，但是考虑到实际操作时的内存和时间消耗，SegNet 表现很好。未来希望设计效率更高的网络，实现实时分割。同时也对深度学习分割结构的预测不确定性感兴趣[69,70]。

备注：

最大池化为了实现平移不变性，在图片有微小平移时依然可以鲁棒。同时最大值一定程度上反映的是边界信息

和DeconvNet的区别在于取消了全连接层，大大减少了参数数量。此外它在反池化后用的卷积，DeconvNet用的反卷积。

重要参考文献：

[2] J. Long, E. Shelhamer, and T. Darrell, “Fully convolutional networks for semantic segmentation,” in CVPR, pp. 3431–3440, 2015.

[3] C. Liang-Chieh, G. Papandreou, I. Kokkinos, K. Murphy, and A. Yuille, “Semantic image segmentation with deep convolutional nets and fully connected crfs,” in ICLR, 2015.

[4] H. Noh, S. Hong, and B. Han, “Learning deconvolution network for semantic segmentation,” in ICCV, pp. 1520–1528, 2015.

[57] G. Csurka, D. Larlus, F. Perronnin, and F. Meylan, “What is a good evaluation measure for semantic segmentation?.,” in BMVC, 2013.

[58] J. Long, E. Shelhamer, and T. Darrell, “Fully convolutional networks for semantic segmentation,” in https://arxiv.org/pdf/1605.06211v1.pdf, 2016.

[59] D. R. Martin, C. C. Fowlkes, and J. Malik, “Learning to detect natural image boundaries using local brightness, color, and texture cues,” IEEE transactions on pattern analysis and machine intelligence, vol. 26, no. 5,pp. 530–549, 2004.

[69] Y. Gal and Z. Ghahramani, “Dropout as a bayesian approximation: Insights and applications,” in Deep Learning Workshop, ICML, 2015.

[70] A. Kendall, V. Badrinarayanan, and R. Cipolla, “Bayesian segnet: Model uncertainty in deep convolutional encoder-decoder architectures for scene understanding,” arXiv preprint arXiv:1511.02680, 2015.

编辑于 2019-04-21 19:36:13

转载于:https://www.cnblogs.com/tccbj/p/10746406.html