Instance-sensitive Fully Convolutional Networks - eccv 2016

最新推荐文章于 2021-11-13 21:12:51 发布
最新推荐文章于 2021-11-13 21:12:51 发布
阅读量5.3k 收藏 13
点赞数 3
分类专栏： cvpr Deep Learning segmentation 文章标签： instance segment
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zimenglan_sysu/article/details/52451098
版权
本文介绍了基于VGG16的全卷积网络，用于实例敏感的实例级分割提案。网络包含段分支和评分分支，其中段分支通过组装模块生成实例级分割掩模，评分分支对掩模进行打分。训练和测试过程通过滑动窗口和特定尺寸的边界框进行。尽管简单，但效果显著。
摘要由CSDN通过智能技术生成

Instance-sensitive Fully Convolutional Networks - eccv 2016

=====

论文地址：http://arxiv.org/abs/1603.08678

=====

一句话概括：

  根据local coherence的特性，以sliding window的方式，利用FCN产生positive-sensitive的instance-level的segment proposal。

=====

framework


从上图可以看出，该network是一个full convolutional network（based on VGG16），除了feature extractor（VGG16的前13个conv layers）外，还有两个branches：

    1 segment branch

该branch由1*1 conv，3*3 conv和一个assembling layer构成，后接segment的loss layer（采用logistic regression layer）

    2 scoring branch

该branch由3*3 conv，1*1 conv构成，后接一个scoring的loss layer（采用logistic regression layer）

显然segment branch产生instance-level的segmentation mask，scoring branch对segment branch产生的instance mask进行打分。

（这里为objectness score，有点不明白为什么不是class-specific的）。


剩下的network architecture（VGG16-base）见下图：


论文采用了hole algorithm来获取dense的feature map同时保持和原来VGG16的感受野大小。

=====

key module - assembling module

论文中的network（如上所述&

最低0.47元/天 解锁文章
_menglan_Zi
关注
专栏目录
Deep Snake for Real-Time Instance Segmentation
weixin_41697507的博客
03-29 2333
Deep Snake for Real-Time Instance SegmentationAbstract1. IntroductionFigure 1. The basic idea of deep snake. Given an initial contour, image features are extracted at each vertex (a). Since the contou...
论文阅读：Instance-sensitive Fully Convolutional Networks
Ethan_Wuuu的博客
08-08 4809
本文解决问题：Instance Segmentation。（无分类）motivation：FCN只能做detection，因为卷积对同样的像素在不同地方有相同的响应。但是如果需要做Instance Segmentation，就需要像素针对不同的Instance有不同的响应。为了解决这个问题，作者提出了InstanceFCN。在传统的FCN中，每个图像只生成一个score map，表示每个像素的值表示
【实例分割】Instance-sensitive Fully Convolutional Networks
晓峰博客笔记
09-13 906
这篇paper的贡献在于提出一种方法生成mask proposals，即使两个instance有重叠也能分辨。它的做法是使用instance的相对位置，这样如果是两个instances不是重叠非常严重，是可以分辨开来的。 参考博客：https://blog.csdn.net/zimenglan_sysu/article/details/52451098                   ht...
Instance-sensitive Fully Convolutional Network（ECCV2016）
09-21 428
参考1 参考2 参考3 参考4 mask R-CNN 参考5 参考
论文阅读：InstanceFCN：Instance-sensitive Fully Convolutional Networks
j879159541的博客
10-01 2492
文章目录1、论文总述 2、instance-sensitive score maps的工作原理 3、与DeepMask的比较4、Instance assembling module5、 Local Coherence6、性能比较参考文献 1、论文总述 深度学习之后，instance segmentation（实例分割）这个task最开始采用和R-CNN类似的两阶段算法：segmentation...
对象分割--Instance-sensitive Fully Convolutional Networks
AI小作坊 的博客
05-16 3541
Instance-sensitive Fully Convolutional Networks ECCV2016Instance-sensitive 这里是什么意思了， FCN 语义分割对同一类型的对象是不区分的，Instance-sensitive 就是区分同一类型的对象。 上图 c 就是 semantic segmentation， d 是 instance segmentation本文
【Semantic Segmentation】 Instance-sensitive Fully Convolutional Networks论文解析(转)
急流勇进
11-02 220
【Semantic Segmentation】 Instance-sensitive Fully Convolutional Networks论文解析(转) 这篇文章比较简单，但还是不想写overview，转自： https://blog.csdn.net/zimenglan_sysu/article/details/52451098 另外，读这篇...
Boundary-aware Instance Segmentation 阅读笔记
FLY的博客
02-16 2157
Boundary-aware Instance Segmentation-2017CVPR 阅读笔记 简介 文章方法基于物体掩模的距离变换。 文章设计了一个具有残差反卷积结构的物体掩模网络（OMN），提取特征并将其解码成最终的二值物体掩模。优点：这种方法能摆脱传统区域提议中提议框的范围局限，并且对于不够准确的区域提议具有鲁棒性。 文章将OMN整合到多任务网络级联框架中，称之为边界感知实例分割网络...
S4Net: Single Stage Salient-Instance Segmentation阅读笔记
FLY的博客
07-12 2463
S4Net: Single Stage Salient-Instance Segmentation阅读笔记 简介 文章关注显著实例分割。考虑到每个实例类的独立性，文章设计了一个单阶段显著实例分割网络，该网络不仅考虑了box框内的local context信息，同时考虑了其周围的context信息，使得该网络能够将相同范围内的即便有遮挡的实例从容分开。除此之外，文章网络的图片处理速度也很快，当输入图...
实例分割之——Instace-sensitive Fully Convolutional Networks
qq_23126625的博客
06-02 803
背景：FCN只能做实例分割，试想如果两个挨着在一起的人，只能是一大坨，不能区别到底是几个人。比如，到底是一个胖子还是两个瘦子呢？在FCN基础上面做的改进，利用全卷积实现了Instance-Segmentation。相关工作:1）提出了 instance-sensitive score map    其实就是位置敏感图，将FCN中原来输出的一个feature map，换成了k²（9个），这9个fea...
Fully convolutional networks for semantic segmentation
11-17
Fully convolutional networks for semantic segmentation
全卷积网络FCN进行图像分割
10-22 9000
背景CNN能够对图片进行分类，可是怎么样才能识别图片中特定部分的物体，在2015年之前还是一个世界难题。神经网络大神Jonathan Long发表了《Fully Convolutional Networks for Semantic Segmentation》在图像语义分割挖了一个坑，于是无穷无尽的人往坑里面跳。全卷积网络 Fully Convolutional NetworksCNN 与 FCN通
论文阅读理解 - Fully Convolutional Instance-aware Semantic Segmentation
长风破浪会有时，直挂云帆济沧海
06-01 7092
Fully Convolutional Instance-aware Semantic Segmentation Paper Code 主要基于： - FCNs for Semantic Segmentation 基于FCN的语义分割. 传统FCNs卷积具有平移不变性， 但实例分割需要平移可变. - instance mask proposal 实例 mask 候选 现阶段i...
论文阅读--Fully-Convolutional Point Networks for large-Scale Point Clouds
有所为，有所成长
08-04 1871
Abstruct 此工作在于对于高效的处理大规模的3D数据提出了一个通用的，全卷积的结构。我们工作的一个stricking的特点在于对于例如点云这种无规则的输入，也能在内部将它们转化为有序结构，再通过3D卷积进行处理。和传统的采用有组织或者无组织的方法相比，从输入到输出，我们的方法的优点是在充分利用卷积运算的自然结构的同时，对输入数据进行高效存储，避免了网络中空间信息的冗余计算和存储。这个网络消除...
Fully Convolutional Instance-aware Semantic Segmentation - arXiv 16.11
_menglan_Zi
11-29 3737
Fully Convolutional Instance-aware Semantic Segmentation - arXiv 16.11 论文链接：https://arxiv.org/pdf/1611.07709v1.pdf github：https://github.com/daijifeng001/TA-FCN ===== 参考博文： 1Instance-sensitive Fu
Fully convolutional networks
rauchy的博客
09-03 3184
前言   最近在看计算机图像和视觉方面的论文，FCN(Fully convolutional networks)是一篇非常成功的论文，图像语义分割这一块就靠它入门了。为了写博客更加方便，打算将论文讲解和实现分开成两篇博客，这样写起来也轻松一些。 原理   在讨论语义分割以前，我们先来讨论图像分类与物体检测。 图像分类 卷积神经网络的最基础的应用应该就是图像分类，图像分类的输入是二维图像数据，输...
Fully Convolutional Networks
杨杨子江的博客
10-17 170
没啥图片，将就着看吧
FCN-Fully Convolutional Networks
demons2的博客
11-13 2939
FCN-Fully Convolutional Networks FCN：模型网络中的所有层都是卷积层，故称为全卷积网络。（从图像级别的分类进一步延伸到像素级别的分类，解决了语义级别的图像分割问题） 卷积是下采样，用来提取图片的特征；反卷积是上采样，可以扩大数据维度。 在FCN中先用卷积操作提取图像特征，再进行反卷积对特征图进行上采样，使它恢复到输入图像相同的尺寸，从而实现对每一个像素都产生一个预测 FCN特点： （1）FCN将CNN中的全连接层转化为卷积层。//可以适应任意尺寸的输入 （2）FCN可以接受
case-sensitive-paths-webpack-plugin
最新发布
08-08
case-sensitive-paths-webpack-plugin是一个Webpack插件，用于解决大小写路径问题。 在某些操作系统中，文件系统对路径大小写敏感。这意味着对于相同的路径，只有大小写不同的情况下，文件系统会将其视为不同的路径。而在Webpack构建过程中，路径的大小写不一致可能导致一些问题，比如找不到模块、引用错误等等。 为了解决这个问题，可以使用case-sensitive-paths-webpack-plugin插件。该插件通过检查Webpack的依赖图中的路径和文件系统的实际路径，来确保路径的大小写一致性。 使用case-sensitive-paths-webpack-plugin非常简单。只需在Webpack配置文件中引入该插件，并将其添加到plugins数组中即可。在插件实例化时，会自动检查路径的大小写问题，并在构建过程中抛出警告或错误。 该插件在开发环境中特别有用。在开发过程中，团队成员可能使用不同的操作系统，而操作系统的文件系统对路径大小写的敏感程度可能不一样。使用case-sensitive-paths-webpack-plugin可以帮助开发者们统一路径的大小写，在团队协作中避免因为路径大小写问题而产生的错误。 总之，case-sensitive-paths-webpack-plugin是一个解决Webpack路径大小写问题的插件，能够确保路径的一致性，提高开发效率和代码质量。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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