Deeplab v3 | Rethinking Atrous Convolution for Semantic Image Segmentation
2017-06-21 13:04
489 查看
鉴于之前写过deeplab v1与2, 继续读一读新出的v3
整体来说,这篇文章还是在探究两个大家一直在做的问题:全局信息于多尺度信息。另外作者还强调了BN的使用。
本文在原有的框架下提出了两种框架:
1. 加长版
2. 增强版ASPP(deeplab v3)
两者都使用了Multi-grid的多 hole算法rates。
下面简单的说一蛤,
原本一个block内的卷积层,e.g. 三层,都是一个rate,这里将其分别变为不同的rates,比如将2×(1,1,1)变为2×(1,2,1)。
这里在原有基础上增加了几个block,增加的效果:
加入Multi-Grid的效果
这里和原来的区别在于增加了一个 gloable average pooling,然后所有的concat 并学一个conv
效果如下:
coco预训练,Multiscale inputs,filp都起到了不错的效果,训练时采用了增加困难样本的策略
整体来说,这篇文章还是在探究两个大家一直在做的问题:全局信息于多尺度信息。另外作者还强调了BN的使用。
本文在原有的框架下提出了两种框架:
1. 加长版
2. 增强版ASPP(deeplab v3)
两者都使用了Multi-grid的多 hole算法rates。
1. Multigrid
图森的论文也提过类似的方法,P. Wang, P. Chen, Y. Yuan, D. Liu, Z. Huang, X. Hou, and G. Cottrell. Understanding convolution for semantic segmentation. arXiv:1702.08502, 2017.
下面简单的说一蛤,
原本一个block内的卷积层,e.g. 三层,都是一个rate,这里将其分别变为不同的rates,比如将2×(1,1,1)变为2×(1,2,1)。
2. 加长版
这里在原有基础上增加了几个block,增加的效果:
加入Multi-Grid的效果
3. 增强版ASPP
这里和原来的区别在于增加了一个 gloable average pooling,然后所有的concat 并学一个conv
效果如下:
4. 其他
BN层是先使用output stride=16训练后锁定的coco预训练,Multiscale inputs,filp都起到了不错的效果,训练时采用了增加困难样本的策略
相关文章推荐
- [译]Rethinking Atrous Convolution for Semantic Image Segmentation
- 论文阅读《Rethinking Atrous Convolution for Semantic Image Segmentation》
- 语义分割 DeepLabv3--Rethinking Atrous Convolution for Semantic Image Segmentation
- 论文阅读理解 - (Deeplab-V3)Rethinking Atrous Convolution for Semantic Image Segmentation
- 深度学习论文(九)---DeepLabV2-Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution,
- DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution--阅读笔记
- 语义分割--Understand Convolution for Semantic Segmentation
- [IDW-CNN]Learning Object Interactions and Descriptions for Semantic Image Segmentation
- 语义分割--Deep Dual Learning for Semantic Image Segmentation
- Convolutional Networks for Image Semantic Segmentation
- 《Semantic image segmentation with deep convolution nets and fully connected CRFs》学习总结(deeplabV1)
- 语义分割DeepLab v2--DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolut
- [深度学习论文笔记][arxiv 1702]Understanding Convolution for Semantic Segmentation
- DeepLab V3 —— Semantic Image Segmentation
- Convolutional Networks for Image Semantic Segmentation
- READING NOTE: Understanding Convolution for Semantic Segmentation
- 语义分割--Loss Max-Pooling for Semantic Image Segmentation
- Convolutional Networks for Image Semantic Segmentation
- Loss Max-Pooling for Semantic Image Segmentation(2017cvpr)