空间金字塔池化_回顾语义分割—DenseASPP (密集空洞空间金字塔池化)
引言
在分辨率大,分割目标尺度范围广的语句分割任务中,长距离的上下文信息以及不同尺度的信息对于分割结果十分重要。所以为了增大卷积但感受野,常常对提取的feature map进行池化以达到感受野增大的效果,同时通过跳跃连接来结合多尺度的信息。
存在的问题
由于池化是一种直接粗暴的方式,所以每一次池化后都会牺牲空间分辨率,多次池化后可能造成信息丢失而影响分割效果
提出的方法
论文地址
https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8578486&tag=1ieeexplore.ieee.org
空洞卷积的出现就是为了解决在提升感受野的同时不损失信息,ASPP将不同空洞率的空洞卷积平行或者级联堆叠来获取多尺度的信息增益。
但是ASPP同样存在问题,空洞卷积因为其机制每次计算只选取少量的像素点,采样并不密集,大量信息被抛弃;当空洞率增加到一定程度(如dilation_rate>24),空洞卷积变得不那么有效甚至没有效果。
所以deepmotion就提出了DenseASPP,将DenseNet中的密集连接思想应用到了ASPP中,其结构如下图
更直观一点
每一层空洞卷积层的输入都是 前面所有卷积层的输出和输入的feature map的拼接
空洞卷积的卷积核大小计算公式如下
两个卷积叠加后的卷积核大小计算公式如下
简单起见,讨论一维的情况
ASPP中,采样点数为3,其感受野
DenseASPP中,空洞率d=6的卷积层的输入是feature map和d=3的输出
采样点数为7,其感受野
从上面看出增加了密集连接后,采样点数增加了,感受野也增加了。
思考
通过不同空洞率的空洞卷积来获取不同尺度的特征,那么怎么选取不同的空洞率的组合呢?
根据paper中设置,组合 3,6,12,18,24 五个数字,最后使感受野接近feature map 的大小。
For example, the resolution of Cityscapes [4] is 2048×1024, and the last feature map of our segmentation network is 256 × 128. DenseASPP(6, 12, 18, 24) covers a feature map size of 122,and DenseASPP(3, 6, 12, 18, 24) covers a larger feature map size of 128.
文中的feature map大小为256*128,使用(6,12,18,24)的组合最后的感受野为
文中是122,可能是个计算失误,因为作者想要检测大尺寸的物,所以让感受野达到半张图的大小,但是我们有时候不需要那么大感受野,就可以选择适合自己的组合。
空间金字塔池化_回顾语义分割—DenseASPP (密集空洞空间金字塔池化)相关推荐
- 空间中的语义直线检测_基于语义分割的车道线检测算法研究
龙源期刊网 http://www.qikan.com.cn 基于语义分割的车道线检测算法研究 作者:张道芳 张儒良 来源:<科技创新与应用> 2019 年第 06 期 摘 ; 要:随着半自 ...
- 图像语义分割_图像语义分割(9)-DeepLabV3: 再次思考用于图像语义分割的空洞卷积...
论文地址 :Rethinking Atrous Convolution for Semantic Image Segmentation 论文代码:Github链接 1. 摘要 文章主要的工作: 使用空 ...
- 准确度判断 语义分割_【语义分割】DeepLab v1/v2
[语义分割][TPAMI2017]DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convoluti ...
- java按丨分割_全景语义分割主流数据导出格式:JSON+Mask丨曼孚科技
图像全景语义分割是人工智能计算机视觉领域的一个重要分支,它结合了图像分类.目标检测与图像分割等技术,是针对图像数据所进行的一种像素级分类. 经过全景语义分割处理后的图像,广泛应用于自动驾驶.无人机等场 ...
- 如何将原图和json融合_图像语义分割出的json文件和原图,用plt绘制图像mask
1.弱监督 由于公司最近准备开个新项目,用深度学习训练个能够自动标注的模型,但模型要求的训练集比较麻烦,,要先用ffmpeg从视频中截取一段视频,在用opencv抽帧得到图片,所以本人只能先用语义分割 ...
- ps语义分割_图像语义分割训练经验总结--图像语义分割
最近一直在学pytorch,copy了几个经典的入门问题.现在作一下总结. 首先,做的小项目主要有 分类问题:Mnist手写体识别.FashionMnist识别.猫狗大战 语义分割:Unet分割肝脏图 ...
- [语义分割]SPP、空洞卷积与ASPP总结
ASPP全称:Atrous Spatial Pyramid Pooling,中文可以理解为空洞空间卷积池化金字塔或者多孔空间金字塔池化.在这其中,要理解两个概念:一个是SPP,池化金字塔结构或者叫空间 ...
- executor线程池框架_如何使用Java 5 Executor框架创建线程池
executor线程池框架 Java 5以Executor框架的形式在Java中引入了线程池,它允许Java程序员将任务提交与任务执行分离. 如果要使用Java进行服务器端编程,则线程池是维护系统可伸 ...
- java数据段 静态区_回顾一下基础,关于栈与堆,常量池,静态区
先来张简单的图: 1.jpg ------------------分割------------------------ 栈内存: 1.操作比较快速.但是为私有. 2.线程之间不共享.所以存放一些基本数 ...
最新文章
- golang中的plugin包
- Linux中查看信息的命令
- python毒酒检测_检测OpenSSL漏洞的脚本
- Product not scheduled in sales organization XXX,distribution channel
- html基础标签 1211
- MySQL事务ACID实现原理
- 修改鼠标手形 闪烁 在填写文字内容后也一直在闪烁
- xpraid安装_在Win2003/XP安装光盘中集成RAID驱动 不用软驱装RAID/SATA/SAS驱动
- Unity3D放破解反编译。DLL加密,mono解密。全程详解。
- matlab画五棱柱
- kafka7 探索生产者同步or异步发送消息
- 昆山中创张嘉平:软件成为软件工程才容易成功
- 2020年十七届华为杯数学建模比赛记录
- [Growth]Steve Jobs——Follow your heart and intuition, everything else is secondary.
- 请不用条件转移指令JG,JGE,JL,JLE等指令实现如下程序片段的功能
- 初中生学计算机编程的好处,为什么初中生更加适合学习计算机编程?
- 怎么在alert里加图片_鹅蛋怎么挑选?教你2招,一看一摇听声音
- CreateDC与CreateCompatibleDC建立的HDC有何不同?
- Tiny 4412 lcd 驱动分析
- JSP | 简易购物车的实现