全卷积神经网络(FCN)
目录
- 卷积化
- 上采样
- 跳跃结构
- 卷积化
- 上采样
- 跳跃结构
卷积化
上采样
跳跃结构
论文:Fully Convolutional Networks for Semantic Segmentation(2015)
参考:https://zhuanlan.zhihu.com/p/80715481
全卷积神经网络(Fully Convolutional Networks for Semantic Segmentation)第一次将卷积神经网络结构应用到图像语义分割领域,是开山之作。
FCN当中有几个关键的概念:
卷积化
卷积化(convolutionalize)即用卷积层代替全连接层。
对于AlexNet、VGG、GoogeLeNet等用于图像分类的CNN,大多是使用全连接层来实现类别预测。但是全连接层是将特征图拉成一个向量,丢失了图像的空间信息。FCN中将全连接层改为卷积层。例如作者在使用VGG-16分类框架的基础上,将最后三个全连接层变成了[256,4096,7,7]、[1,4096,1,1]、[4096,4096,1,1]、[4096,21,1,1]。这样由于没有了全连接层的限制,输入图像就可以是任意大小。
上采样
在VGG、AlexNet以及ResNet中最后的特征图都是原图像缩小了很多倍。比如VGG16将原图缩小了32倍。我们需要得到的是一个与原图像大小相同的输出,因此需要进行上采样。FCN采用转置卷积进行上采样(Upsampling)。
跳跃结构
FCN在较深处的卷积层融入了浅层卷积的特征。FCN设计了三种上采样的方式:FCN-32s、FCN-16s、FCN-8s,最后一种效果最好。
首先 FCN-32s 是没有融合浅层特征信息的,直接在分类网络后用卷积层替代全连接层,之后经过 kernel size = 64, stride = 32, padding = 16 的转置卷积放大到原图像大小,通道为(类别数量+1)。
FCN-8s 首先将32倍下采样后的特征图使用 kernel size = 4, stride = 2 的转置卷积上采样至16倍下采样的特征图,之后与原图像16倍下采样的特征图经过 1 × 1 1 \times 1 1×1 卷积的结果相加。之后再使用 kernel size = 4, stride = 2 的转置卷积上采样至8倍下采样特征图,与原图像8倍上采样特征图经过 1 × 1 1 \times 1 1×1 卷积的结果相加。最后再经过 kernel size = 16, stride = 8 的转置卷积上采样至原图像大小。
图自 https://zhuanlan.zhihu.com/p/80715481
全卷积神经网络(FCN)相关推荐
- 【CV语义分割】全卷积神经网络FCN(更新ing)
学习总结 (1)paper<Fully Convolutional Networks for Semantic Segmentation> (2)论文翻译可以参考:https://www. ...
- 全卷积神经网络FCN
卷积神经网络CNN(YannLecun,1998年)通过构建多层的卷积层自动提取图像上的特征,一般来说,排在前边较浅的卷积层采用较小的感知域,可以学习到图像的一些局部的特征(如纹理特征),排在后边较深 ...
- 全卷积神经网络( FCN ):语义分割深度模型先驱
语义分割 简单地说,分割就是抠图.语义分割,就是按图像中物体表达的含义进行抠图. 现在ps已经集成很多自动分割的功能,相比旧版本软件,新软件提高了美工人员的抠图和美图的效率. 如果我们能在更复杂的环境 ...
- picpick尺子像素大小精度不够准确_picpick尺子像素大小精度不够准确_【论文解读】像素级分割里程碑算法——FCN全卷积神经网络......
FCN论文链接:Fully Convolutional Networks for Semantic Segmentation 作者代码(caffe版):https://github.com/shelh ...
- 全卷积网络FCN与卷积神经网络CNN的区别
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 N ...
- 卷积神经网络( CNN)与全卷积神经网络(FCN)
目录 卷积神经网络(CNN) 卷积层 卷积层尺寸的计算原理 标准卷积计算举例 1 x 1 卷积计算举例 全连接层计算举例 附:TensorFlow 中卷积层的简单实现 激励层 池化层 池化层的作用 输 ...
- 11.全连接卷积神经网络 FCN
视频:48 全连接卷积神经网络 FCN[动手学深度学习v2]_哔哩哔哩_bilibili 书籍:13.11. 全卷积网络 - 动手学深度学习 2.0.0-beta0 documentation (d2 ...
- FCN(全卷积神经网络)详解
文章目录 1. 综述 简介 核心思想 2. FCN网络 2.1 网络结构 2.2 上采样 Upsampling 2.3 跳级结构 3 FCN训练 4. 其它 4.1 FCN与CNN 4.2 FCN的不 ...
- 图像分割之FCN全卷积神经网络
FCN全卷积神经网络 语义分割概念 语义分割就是逐像素的图像中的内容进行分类,属于同一类的像素都要被归为一类,因此语义分割是从像素级别来理解图像的. 注意区分的是:语义分割与实例分割不同,下图为FCN ...
最新文章
- LeetCode简单题之“气球” 的最大数量
- 鼠标跟随flash代码_FLASH如何制作密码锁功能(AS3)
- 基于机器学习梯度下降优化算法来寻找最佳的线性回归模型
- python使用集合实现筛选法求素数-python素数筛选法浅析
- Spark ThriftServer使用的大坑
- KubeCon 2019 北美会议完美落幕| 云原生生态周报 Vol. 29
- php无法下单功能,PHP如何解决并发下单问题?(不一定是下单,举个例)
- 给页面加速,干掉Dom Level 0 Event
- distinct返回null报错_C#之集合常用扩展方法与Linq
- python线性规划教程_python 利用cvxopt线性规划
- android布局及其常用属性
- 论文笔记_S2D.33_2015-ICCV_使用单个多尺度卷积网络,预测深度、表面法线和语义标签
- atitit。企业组织与软件工程的策略 战略 趋势 原则 attilax 大总结
- Android APP 稳定性测试工具—Fastboot使用教程
- COIN3D拖拽器使用
- java .jar怎么打开_java打开jar文件的方法
- Android UI 自定义控件大全
- Android手机下载liuns系统的Ubuntu教程
- bzoj4516 [Sdoi2016]生成魔咒
- uniapp苹果支付