caffe学习笔记28-全卷积网络FCN笔记
2017-03-05 16:15
309 查看
结合全卷积网络FCN分析:
1.传统的手工特征算子,没有优化同一个目标函数,Learner的error不能传递给特征的representation
2.深度学习提取特征是数据驱动,任务的具体特征提取。
3.结合BP优化
4.传统的卷积+全连接:在图像层次的表达上面,丢失了空间上下文信息
5.卷积网络适用于空间相关的信号,递归网络适用于时间相关的信号。卷积和递归是一种嵌入到结构中的先验。
6.图像分割:逐像素点预测,对于输入的每个像素点,我们都想知道它属于哪一个对象的(类)。
7.用反卷积层代替全连接层,进行逐像素的分类和预留空间背景(deconv:特征图上采样,crop确保输入输出都是同样的大小)type:"Deconvolution"
8.反卷积中使用双线性插值上采样,使得最终结构非常coarse粗糙,FCN+CRF(条件随机场) refine得到最终结果是目前语义分割的标配
示例:训练参数:预设权重,0学习率,Batch_size=1,Momentum=0.99
Layer{
type:"Deconvolution"
name:"deconv1"
bottom:"pool1"
top:"deconv1"
param{
lr_mult:0 #0学习率
decay_mult:1
}
param{
lr_mult:0
decay_mult:1
}
convolution_param{
stride:2
kernel_size:4
padding:1
num_output:1
}
}
1.传统的手工特征算子,没有优化同一个目标函数,Learner的error不能传递给特征的representation
2.深度学习提取特征是数据驱动,任务的具体特征提取。
3.结合BP优化
4.传统的卷积+全连接:在图像层次的表达上面,丢失了空间上下文信息
5.卷积网络适用于空间相关的信号,递归网络适用于时间相关的信号。卷积和递归是一种嵌入到结构中的先验。
6.图像分割:逐像素点预测,对于输入的每个像素点,我们都想知道它属于哪一个对象的(类)。
7.用反卷积层代替全连接层,进行逐像素的分类和预留空间背景(deconv:特征图上采样,crop确保输入输出都是同样的大小)type:"Deconvolution"
8.反卷积中使用双线性插值上采样,使得最终结构非常coarse粗糙,FCN+CRF(条件随机场) refine得到最终结果是目前语义分割的标配
示例:训练参数:预设权重,0学习率,Batch_size=1,Momentum=0.99
Layer{
type:"Deconvolution"
name:"deconv1"
bottom:"pool1"
top:"deconv1"
param{
lr_mult:0 #0学习率
decay_mult:1
}
param{
lr_mult:0
decay_mult:1
}
convolution_param{
stride:2
kernel_size:4
padding:1
num_output:1
}
}
相关文章推荐
- 【深度学习】【caffe实用工具6】笔记28 windows下SSD网络中的convert_annoset工具的使用
- 【深度学习】笔记15 windows下SSD网络在caffe中的配置【笔记1】
- caffe学习笔记:caffe网络模型文件(.prototxt)layer与layers区别
- caffe学习笔记8-caffe网络层类型
- 学习笔记TF029:实现进阶卷积网络
- 【caffe学习笔记】CNN网络配置文件
- 吴恩达深度学习笔记 course4 week2 深度卷积网络 实例探究
- 深度学习Caffe实战笔记(6)Windows caffe平台用Siamese网络跑自己的数据
- 吴恩达深度学习课程笔记之卷积神经网络基本操作详解
- 【深度学习】笔记17 windows下SSD网络在caffe中的配置(GPU版本)【笔记3】
- 【深度学习】笔记3_caffe自带的第一个例子,Mnist手写数字识别所使用的LeNet网络模型的详细解释
- caffe学习笔记7-python接口绘制网络结构图
- caffe学习笔记-深度网络优化过程中loss=nan
- 【深度学习】笔记6:使用caffe中的CIFAR10网络模型和自己的图片数据训练自己的模型(步骤详解)
- caffe学习笔记--自定义cifar10网络参数
- [Android新手学习笔记28]-Broadcast-例一广播检测网络变化
- 【caffe学习笔记之5】Win10系统下Caffe的Python接口设置方法并绘制网络结构图
- 【深度学习】笔记4_caffe第二个比较经典的[小图片]识别例子CIFAR_10的运行,网络模型的详解
- 深度卷积神经网络学习笔记2:步长不为1的卷积前向传播和反向传播
- caffe学习笔记---5 -caffe网络层类型