机器学习笔记 - 全卷积网络(FCN)
计算机视觉任务大致分为以下四种类型
1. Classification(分类)对图像内的对象进行分类(识别对象类)。
2. Object Detection(目标检测)使用包围盒的对象对图像内的对象进行分类和检测。 这意味着我们还需要知道每个对象的类,位置和大小。
3. Semantic Segmentation(语义分割)为图像中的每个像素分类对象类别。 这意味着每个像素都有一个标签。
4. Instance Segmentation (实例分割)
与分类和检测任务相比,分割是一项困难得多的任务。
FCN网络概述
FCN是深度学习应用在图像分割的代表作, 是一种端到端(end to end)的图像分割方法, 让网络做像素级别的预测直接得出label map。因为FCN网络中所有的层都是卷积层,故称为全卷积网络。当前最成功的图像分割深度学习技术都是基于一个共同的先驱:FCN(Fully Convolutional Network,全卷积神经网络)
全卷积神经网络主要使用了三种技术:
卷积化(Convolutional)
上采样(Upsample)
跳跃结构(Skip Layer)
CNN与FCN相比
通常CNN网络在卷积层之后会接上若干个全连接层, 将卷积层产生的特征图(feature map)映射成一个固定长度的特征向量。以AlexNet为代表的经典CNN结构适合于图像级的分类和回归任务,因为它们最后都期望得到整个输入图像的一个数值描述(概率),比如AlexNet的ImageNet模型输出一个1000维的向量表示输入图像属于每一类的概率(softmax归一化)。
(FCN)用于语义分割的全卷积网络,FCN对图像进行像素级的分类,从而解决了语义级别的图像分割问题。与经典的CNN在卷积层使用全连接层得到固定长度的特征向量进行分类不同,FCN可以接受任意尺寸的输入图像,采用反卷积层对最后一个卷基层的特征图(feature map)进行上采样,使它恢复到输入图像相同的尺寸,从而可以对每一个像素都产生一个预测,同时保留了原始输入图像中的空间信息,最后奇偶在上采样的特征图进行像素的分类。
全卷积网络(FCN)是从抽象的特征中恢复出每个像素所属的类别。即从图像级别的分类进一步延伸到像素级别的分类。
对于一般的分类CNN网络,如VGG和Resnet,都会在网络的最后加入一些全连接层,经过softmax后就可以获得类别概率信息。但是这个概率信息是1维的,即只能标识整个图片的类别,不能标识每个像素点的类别,所以这种全连接方法不适用于图像分割。
而FCN提出可以把后面几个全连接都换成卷积,这样就可以获得一张2维的feature map,后接softmax获得每个像素点的分类信息,从而解决了分割问题。
机器学习笔记 - 全卷积网络(FCN)相关推荐
- 全卷积网络FCN详解
转载自: 点击打开链接 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 Co ...
- 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 ...
- Fully Convolutional Networks for Semantic Segmentation ————全卷积网络 FCN论文解读
Fully Convolutional Networks for Semantic Segmentation 作者: Jonathan Long, Evan Shelhamer, Trevor Dar ...
- 全卷积网络FCN详细讲解(超级详细哦)
原文链接:https://blog.csdn.net/qq_41760767/article/details/97521397?depth_1-utm_source=distribute.pc_rel ...
- 全卷积网络FCN的缺陷
its inherent spatial invariance does not take into account useful global context information FCN没有考虑 ...
- FCN(Fully Convolutional Network)全卷积网络笔记
FCN(Fully Convolutional Network)全卷积网络笔记 本文只是个人学习笔记 参考自: 全卷积网络FCN详细讲解(超级详细哦) 转置卷积(Transposed Convolut ...
- 计算机视觉——全卷积网络(FCN)的学习笔记
1 前言 最近语义分割的课程中讲到了全卷积网络FCN,感觉还是挺有趣的, FCN有一些独特的特点,其中我觉得最重要的特点,就是:输入图像大小的任意性,不过这种任意性不是通过resize操作实现的: 从 ...
- FCN全卷积网络随笔
参考:四.全卷积网络FCN详细讲解(超级详细哦) 这篇文章已经写的很好了,这里说两个我考虑的点. 第一个就是:FCN在缩小成heat map,为什么要通过上采样还原回原图大小? 我觉得这个的原因是因为 ...
- 全卷积网络(FCN)实战:使用FCN实现语义分割
全卷积网络(FCN)实战:使用FCN实现语义分割 FCN对图像进行像素级的分类,从而解决了语义级别的图像分割(semantic segmentation)问题.与经典的CNN在卷积层之后使用全连接层得 ...
最新文章
- (转载博文)VC++API速查
- python 冷门_csvkit---python一个牛逼到不行的csv处理库
- 【编译原理】让我们来构建一个简单的解释器(Let’s Build A Simple Interpreter. Part 1.)(python/c/c++版)(笔记)
- [BZOJ1726][Usaco2006 Nov]Roadblocks第二短路
- 判断学生成绩(保证其在0-100)c语言
- Upload LABS Pass-10
- 中国电子教育产业前景规划与未来投资方向预测报告2022年版
- 浅谈利用强化学习A3C玩转超级玛丽奥
- [ERR] 1273 - Unknown collation: ‘utf8mb4_0900_ai_ci‘
- 测测是否适合学计算机,大学专业测评:测试自己适合什么专业
- 解决linux下svn update 产生Node remains in conflict的问题
- c#的chart标题_C#之Chart篇
- 误码率matlab,关于误码率的问题 急!!!!!
- Excel如何将多行数据合并为一行并添加间隔符号
- netstat的替代者-ss命令实例详解
- 【模拟】变态杀人狂(约瑟夫问题)
- python3.8.1中文开发文档
- Android Tv端仿优酷酷喵——播放界面下拉弹出选项窗
- php三行情书,文案得看看这些三行情书
- 图像处理之图像像素相加
热门文章
- 【算法千题案例】每日一练LeetCode打卡——109.分糖果
- 谷歌chrome浏览器无法播放youtube1080p以上分辨率的视频
- 微信仅你可见标签_“我的朋友圈仅对你可见”
- 个人ajax原理练习
- 专题学习1 Cproblem—马走日
- 代码随想录算法训练营第6天 | 454. 四数相加 II 383. 赎金信 15. 三数之和 18. 四数之和
- 面向对象设计原则——优先使用对象组合,而不是继承(组合以及与继承的区别)
- tkinter库绘图实例13:手绘画板效果
- 获取某一年的母亲节或父亲节日期
- c语言题库-1022选择结构习题:分段函数