![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
segmentation
请设置你的昵称
这个作者很懒,什么都没留下…
展开
-
SegNet论文理解
SegNet-Turioal 包括prototxt等SegNet的caffe源码 本文也用了vgg16的结构改造的,和U-Net对比,U-Net没有用到conv5和pool5,但是SegNet用到了所有预训练的卷积层权重。当时现有的semantic segmentation的问题在于:最大池化和下采样会降低feature map的分辨率。因而SegNet的新颖之处在于decod...原创 2018-12-04 11:56:13 · 878 阅读 · 0 评论 -
Deeplab系列(V1\V2\V3)论文理解
目录Version1Version2Version3Version3+ Version1Pretrained model and prototxt以前网络存在的问题:重复的池化和下采样层组合有平移不变形,其增强了数据分层抽象的能力,但是会阻碍低级的视觉任务(精确定位/抽象的空间关系)。本文结合了深度卷积神经网络(DCNNs)和概率图模型(DenseCRFs)...原创 2018-12-04 17:08:48 · 3552 阅读 · 0 评论 -
MobileNets论文中可分离卷积
Depthwise Convolutionmobilenet_v1计算flop原本的卷积操作因式分解为一个depthwise convolution和一个1*1的卷积(pointwise convolution),简单讲就是将原来一个卷积层分成两个卷积层,其中前面一个卷积层的fiter都只跟input的每个channel进行卷积,然后后面一个卷积层负责combining。...原创 2018-12-04 19:29:00 · 236 阅读 · 0 评论 -
Large Kernel Matters论文理解
Large Kernel Matters ——Improve Semantic Segmentation by Global Convolutional Network发表日期:8 May 2017本文主要提出两种结构,全局卷积网络(Global Convolutional Network,GCN),Boundary Refinement block(BR)GCN同时改善分...原创 2018-12-05 10:49:19 · 403 阅读 · 0 评论 -
U-Net论文
采用了多尺度的方式,该论文提出是用来做医学图像细胞分割的。提出少量样本即可实现训练。1.这个模型的输入image进行了边界镜像处理。2.loss更改因为这里医学图像的细胞边界容易分割错误,因此给边界的细胞线加了权重。权重:分类(softmax):变形的加权交叉熵:3.模型更改这里的是concat,而FCN为add4.数据增强...原创 2018-12-03 22:24:54 · 363 阅读 · 0 评论