图像语义分割之特征整合pspnet

作者:PSP包
字体:
发布时间:2018-11-05 04:48:48
来源:PSP包

  多尺度(multi-scale) 特征整合(来自于目标检测领域的方法spp-net)

  多级(multi-level)特征整合(早期开山的语义分割fcn就是这种)

  条件随机场.CRF方法是一种基于底层图像像素强度进行“平滑”分割的图模型,在运行时会将像素强度相似的点标记为同一类别。加入条件随机场方法可以提高1~2%的最终评分值。

  这个方法在前一段时间是PASCAL VOC 2012排行榜上的第一,现在的第二。

  作者认为现有模型由于没有引入足够的上下文信息及不同感受野下的全局信息而存在分割出现错误的情景,于是,提出了使用global-scence-level的信息的pspnet,另外本文提出了引入辅助loss的ResNet优化方法。

  而PSPNet就是为了整合不同区域的context来获取全局的context信息。

  对应于网络图的金字塔池化层部分整合了多尺度特征的信息,个人觉得不同尺度的特征提取效果不同,来达到整合不同区域的context来获取全局的context信息。如图pyramid pooling module部分:

  如上图,首先作者在训练的时候加入了辅助loss,另外ResNet起始的7x7的卷积替换了三个3x3的卷积

  后记:对于大部分转行的人来说,找机会把自己的基础知识补齐,边工作边补基础知识,真心很重要。

  “我们相信人人都可以成为一个IT大神,现在开始,选择一条阳光大道,助你入门,学习的路上不再迷茫。这里是北京尚学堂,初学者转行到IT行业的聚集地。

>更多相关文章
网友评论
发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表
   KZ新闻频道 版权所有,未经书面授权禁止使用