这篇论文探讨了一种使用全卷积编码解码网络进行物体轮廓检测的方法。网络结构结合了VGG-16编码器和反池化-卷积-激活-dropout解码器。每个解码层的通道数设计得当，允许从相应的最大池化层进行上采样。在解码器的每个ReLU层后添加了dropout层。训练过程中，固定编码器参数（VGG-16），只优化解码器参数。
Object Contour Detection with a Fully Convolutional Encoder-Decoder Network
使用卷积编码解码网络检测主要目标的边缘
网络结构是：
编码：VGG-16
解码：反池化-卷积-激活-dropout
卷积核:
The number of channels of every decoder layer is properly
designed to allow unpooling from its corresponding maxpooling layer.
dropout:
We also add a dropout layer after each relu layer in the decoder. A complete decoder network setup is listed in Table 1
损失函数：
loss function is simply the pixel-wise logistic loss.
最低0.47元/天 解锁文章
412
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
