语义分割｜学习记录（5）Pytorch官方实现的FCN网络结构
文章目录
- 前言
- FCN网络结构
- 参考资料
前言
Pytorch官方实现的FCN和当年论文的结构图稍有不同，因为现在有了更多的backbone的选择，而且应用了膨胀卷积技术。
FCN网络结构
下图是Pytorch官方实现的FCN网络结构：
下图是Resnet的网络结构：
对比两个网络进行分析：FCN网络的backbone选择的是Resnet50 backbone，在这一部分的蓝色虚线框的前面的结构和Resnet是一模一样的。
重点关注layer3和layer4的部分。FCN的layer3和layer4对应于Resnet的conv4_x和conv5_x。区别在于：
- Resnet的
conv4_x中的6个残差结构对应FCN的layer3中的1个Bottleneck1和5个Bottleneck2。 - Resnet的
conv5_x中的3个残差结构对应FCN的layer4中的1个Bottleneck1和2个Bottleneck2。
接下来我们重点关注一下
Bottleneck1和Bottleneck2的结构：
Bottleneck1对应残差结构中的虚线结构，在这里和resnet中的区别在于它将捷径分支上的1∗11*11∗1卷积的步距改成了1。因此在这里并没有进行下采样操作，语义分割中下采样倍率过大还原会原图效果会受影响。另外在3∗33*33∗3卷积核处的步距也改成了1，并且引入了膨胀卷积。Bottleneck2同样也是引入了膨胀卷积。
接下来再来看一下FCN Head部分：
- 经过一个3*3的卷积层，输入特征图的channel数被调整为原来的1/4变为512.
- 通过一个Dropout层
- 再通过一个1*1卷积层，调整特征层的channel为类别个数。
- 最后通过一个双线性插值的方法，还原回原来的大小。
另外在右侧还有一个FCN Head,官方给出的理由：防止误差梯度没办法传递到网络浅层，所以这里引入了辅助分类器。
训练的时候可以启用这个辅助分类器，都可以去试一下。在实际部署到真实环境的时候，我们只去利用output。
参考资料
up主霹雳吧啦Wz原视频
语义分割｜学习记录（5）Pytorch官方实现的FCN网络结构相关推荐
- 霹雳吧啦Wz语义分割学习笔记P5
P5.Pytorch官方实现的FCN网络结构 backbone:VGG16 -> ResNet50:使用了膨胀卷积
- 使用Pytorch搭建U-Net网络并基于DRIVE数据集训练(语义分割)学习笔记
使用Pytorch搭建U-Net网络并基于DRIVE数据集训练(语义分割)学习笔记 https://www.bilibili.com/video/BV1rq4y1w7xM?spm_id_from=33 ...
- 憨批的语义分割重制版9——Pytorch 搭建自己的DeeplabV3+语义分割平台
憨批的语义分割重制版9--Pytorch 搭建自己的DeeplabV3+语义分割平台 注意事项 学习前言 什么是DeeplabV3+模型 代码下载 DeeplabV3+实现思路 一.预测部分 1.主干 ...
- 憨批的语义分割重制版6——Pytorch 搭建自己的Unet语义分割平台
憨批的语义分割重制版6--Pytorch 搭建自己的Unet语义分割平台 注意事项 学习前言 什么是Unet模型 代码下载 Unet实现思路 一.预测部分 1.主干网络介绍 2.加强特征提取结构 3. ...
- 语义分割系列6-Unet++（pytorch实现）
目录 Unet++网络 Dense connection deep supervision 模型复现 Unet++ 数据集准备 模型训练 训练结果 Unet++:<UNet++: A Neste ...
- 语义分割系列14-DMNet（pytorch）实现
DMNet:<Dynamic Multi-Scale Filters for Semantic Segmentation> 发布于2019ICCV. 有意思的是,DMNet的作者和APCN ...
- pytorch 语义分割loss_vedaseg：基于pytorch的开源语义分割工具库，更多模型支持，更易拓展...
加入极市专业CV交流群,与6000+来自腾讯,华为,百度,北大,清华,中科院等名企名校视觉开发者互动交流!更有机会与李开复老师等大牛群内互动! 同时提供每月大咖直播分享.真实项目需求对接.干货资讯汇总 ...
- 语义分割系列2-Unet（pytorch实现）
Unet发布于MICCAI.其论文的名字也说得相对很明白,用于生物医学图像分割. <U-Net: Convolutional Networks for Biomedical Image Segm ...
- UNet语义分割模型的使用-Pytorch
1.概述 最近有时间,跑了一下UNet模型,因为自己的深度学习基础不扎实,导致用了一些时间.目前只停留在使用和理解别人模型的基础上,对于优化模型的相关方法还有待学习. 众所周知,UNent是进行语义分 ...
最新文章
- 各种排序算法总结篇(高速/堆/希尔/归并)
- 还有人记得【日之韵】吗？——提供下载
- linux下的c库函数大全
- 信息系统项目管理师 必背
- 代码全靠copy，Bug又烂又多，做程序员的目的是什么？
- Mybatis 传参问题
- 金融领域7大数据科学案例
- 什么是面向对象对象，什么是面向过程，什么是面向对象思想。
- DoIP协议：通用DoIP首部否定确认码02和03的区别
- qemu中vCPU对应的线程
- win10系统bug：开机自动打开空白word文档
- 爬取今日头条街拍美女图片
- Java电商订单_Java电商项目学习（十） 订单管理模块开发
- 极案例 | 守护地铁运营“生命线”，极视角与深圳地铁运管办共建“AI智能巡检系统”
- reduceByKey
- DTMF三种模式(SIPINFO,RFC2833,INBAND)
- R语言survival包clogit函数构建条件logistic回归模型、summary函数查看模型汇总统计信息、通过似然比检验分析结果判断模型有无统计学意义
- vscode远程开发基础教程
- [NOI2005]月下柠檬树 (自适应辛普森)
- 通过4A系统登录服务器,JD-4A 统一身份管理系统