论文《Fully Convolutional Networks for Semantic Segmentation》
2017-10-18 17:18
651 查看
转载自 博客园 亦轩Dhc
链接 http://www.cnblogs.com/daihengchen/p/5709034.html 侵删
最近想着做分割来提取全局特征,有提到两篇 一篇是FCN,一篇是Learningto generate chairs with convolutional neural
这里转载 博主 亦轩Dhc 的博文
包括他对FCN的一些理解
论文笔记《Fully Convolutional Networks for Semantic Segmentation》
一、Abstract提出了一种end-to-end的做semantic segmentation的方法,也就是FCN,是我个人觉得非常厉害的一个方法。
二、亮点
1、提出了全卷积网络的概念,将Alexnet这种的最后的全连接层转换为卷积层,好处就是可以输入任意的scale。
只不过在输出的scale不同的时候,feature map的大小也不同,因为这里的目的是最piexl的语义分割,所以其实不重要。
在Alexnet基础上, 最后的channel=4096的feature map经过一个1x1的卷积层, 变为channel=21的feature map, 然后经过上采样和crop, 变为与输入图像同样大小的channel=21的feature map, 也就是图中的pixel-wise prediction。 在Longjon的试验中一共有20个语义类别,
加上背景类别每个像素应该有21个softmax预测类, 因此pixel-wise prediction中channel=21。
2、如何做上采样的?
对CNN的输出结果进行upsampling,上采样的参数是可学习的,这里采用的方法是反卷积,其实跟BP的求卷积层的梯度是一样的算法,最后得到一个和原图一样大小的输出,输出结果为对每个像素的分类。
3、如何把全连接层转换为卷积层?
这篇博文写的很好http://blog.csdn.net/u010668083/article/details/46650877,这里有一个概念我之前一直模糊了,把全连接层转换为卷积层,实际上是用一个和输入的图像一样大小的卷积核去做这个操作。对于一个7*7*512的cov输出,连接到一个1*1*4096的全连接层,转换的方法也就是:用4096组滤波器,每组滤波器有512组,每组的大小是7*7的(所以我的理解就是..这个滤波器的大小实际上是7*7*512),这样的话,参数数量一致,最后的输出也是一致的。在输出变大的时候,因为是都是卷积层,最后当然可以得到一个上面那张图的输出。
4.refinement
作者发现,直接这样做效果并不是很好,于是拿出了祖传trick来解决问题了。
如下图所示,在最后upsampling的时候,不只用最后一层,还要结合前面几层一起来做一个fusion,这个很好理解,前面几层的感受野是比较小的,所以在局部的输出结果上是不错的,而后面的输出感受野是越来越大的,可以说准确率会高一点,进行融合以后,效果好的飞起..
三、结论
语义分割方面FCN可以说是开了一个山头了,我觉得这个想法很好,对于之后的instance segmentation也有很大的帮助。
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------
另有一篇博文的解释也可以参考
网址 http://blog.csdn.net/happyer88/article/details/47205839 博主 July_Zh1
非常给力的!全文中文翻译!(但是还是建议大家读好英文论文)
网址 http://www.cnblogs.com/xuanxufeng/p/6249834.html 博主 一生不可自决
END
相关文章推荐
- 全卷积网络FCN论文阅读Fully Convolutional Networks for Semantic Segmentation
- 论文(1) Fully Convolutional NetWorks for Semantic Segmentation
- 【论文笔记】Fully Convolutional Networks for Semantic Segmentation
- 论文阅读笔记:Fully Convolutional Networks for Semantic Segmentation
- 论文阅读笔记:Fully Convolutional Networks for Semantic Segmentation
- [深度学习论文阅读]Fully Convolutional Networks for Semantic Segmentation(FCN网络)
- Fully Convolutional Networks for semantic Segmentation(深度学习经典论文翻译)
- 全卷积(FCN)论文阅读笔记:Fully Convolutional Networks for Semantic Segmentation
- 论文笔记-深度估计(2) Fully Convolutional Networks for Semantic Segmentation
- 论文笔记: Fully Convolutional Networks for Semantic Segmentation
- 【那些年我们一起看过的论文】之《Fully Convolutional Networks for Semantic Segmentation》
- 论文笔记--Fully Convolutional Networks for Semantic Segmentation
- Fully Convolutional Networks for Semantic Segmentation论文阅读
- 深度学习论文笔记(六)--- FCN-2015年(Fully Convolutional Networks for Semantic Segmentation)
- 论文笔记 FCN: Fully Convolutional Networks for Semantic Segmentation
- 全卷积(FCN)论文阅读笔记:Fully Convolutional Networks for Semantic Segmentation
- 论文笔记之Fully Convolutional Networks for Semantic Segmentation
- 【论文笔记】Fully Convolutional Networks for Semantic Segmentation
- [深度学习论文笔记][Semantic Segmentation] Fully Convolutional Networks for Semantic Segmentation
- 图像分割“Fully Convolutional Networks for Semantic Segmentation”