介绍:
受AlexNet、GoogleNet的影响深度学习方法在语义分割领域得到了重启,全卷积网络(Fully Convolutional Networks,FCN)的出现也让语义分割领域展开了新时期的进程。
全卷积网络顾名思义便是全部有卷积神经网络(CNN)组成的,本文FCN的结构如图所示:
结构很简单,基本就是“变小再变大”,“变小”的过程就是特征提取的过程,“变大的过程”就是上采样还原的过程,最终将分辨率还原如初并将像素分门别类。
将完全连接的层转换为卷积层,使分类网能够输出热图。添加图层和空间损失,将产生一个实现端到端密集学习的高效机器。
总结:
- 目的:想要得到每个像素的类别并加以标记
- 特征提取,在过程中特征图的分辨率也会随着卷积的进程减小。
- 上采样,将特征图还原为初始分辨率。(方法例:双线性插值、反卷积、反池化)
缺点:
- 精细度不够(开山之作思想最重要,不要在意细节)
- Too much(待后人改进)
优点:
- 为语义分割提供了一个大的研究方向
- 实用性还是不错的(能用而已)
非常简单的笔记,具体细节还是要靠论文的精读,我这里只是简单说一下最为重要的思想。
后续还会继续更新语义分割方向的论文,也都只是记录中心思想(
科普快餐)