CNN学习1—

由于从事图像分类分割，因此侧重在语义分割的内容上。准备精读 convolutional networks for semantic segmentation这篇文章，包括其参考文献的内容。让自己对FCN有个了解和学习的过程。

这篇先介绍convolutional networks for semantic segmentation的Introducton部分，当然也包括这部分的一些参考文献内容。

1. Introduction

先前的方法[27, 2, 7, 28, 15, 13, 9],，使用卷积去语义分割，通常是将一个像素属于的object或者这个像素点周边的一个region作为一个整体给一个label，这个label也就是这个像素点的label。

--------------------------------------------------------------------------------------------

参考文献27：Toward automatic phenotyping of developing embryos from videos 2005

参考文献2：Deep Neural Networks Segment Neuronal Membranes in Electron Microscopy Images 2012

我们的方案是基于DNN网络作为一个像素分类器。网络计算每个像素是细胞膜的概率。使用图像强度的方形窗口作为input image。image中心是该像素点。

为了提高网络的性能，我们实验两种对input data的操作，即foveation（成凹）和nonuniform sampling（不均匀采样）

fovea是聚焦中心像素，抛弃外围像素的细节。nonuniform sampling是window size为w，确可以得到更大的上下文。

中心像素点p，决定input image是细胞膜或者非细胞膜。

参考文献7：Learning Hierarchical Features for Scene Labeling 2013 ----PAMI

参考文献28：Recurrent Convolutional Neural Networks for Scene Parsing 2013

提出循环卷积神经网络，可以兼顾大的输入上下文同时，限制模型的大小。系统是端对端方式。

我们的场景解析系统，可以直接从raw pixels中提取相关的上下文信息。

上图是常规patch分类，其中第一步卷积，是否要卷积核足够大，让卷积必须包含中心像素点？

(a)普通的patch，(b)增加实体的数量（三个）

增加输入上下文的尺寸，同时控制模型的大小，使用循环卷积神经网络：模型的output fed back到另一个实体的输入，共享相同的参数。

该链接有该论文的git hub：https://blog.csdn.net/xiamentingtao/article/details/79108550

参考文献15：Simultaneous Detection and Segmentation 2014

代码：https://www2.eecs.berkeley.edu/Research/Projects/CS/vision/shape/sds/

参考文献13：Learning Rich Features from RGB-D Images for Object Detection and Segmentation 2014

代码：http://www.cs.berkeley.edu/~sgupta/eccv14/

参考文献9：Neural Network Nearest Neighbor Fields for Image Transforms 2014

提出新的结构for自然图像边界检测或者细小物体分割。结构是基于简单的联合卷积神经网络和最近邻域search。

--------------------------------------------------------------------------------------------

我们显示一个全卷积网络，训练端对端的，像素点对像素点的语义分割。这个方法是有效的。

Patchwise是常见的训练[27, 2, 7, 28, 9]，但是其效率不如全卷积。我们的方法不包括前处理或后处理。比如超像素 [7, 15], proposals [15, 13],随机场或局部分类器[7, 15].我们的模型迁移最近成功的分类[20, 31, 32] 结果到dense预测。

语义分割面对语义和位置的tension。全局信息解决what，局部信息解决where。

我们定义一个skip结构，联合deep，粗糙的语义信息和shallow，精炼的外表信息in 4.2节。

CNN学习1——FCN相关推荐

ML、DL、CNN学习记录2
文章目录 ML.DL.CNN学习记录2 图片通道 CNN 卷积卷积如何操作卷积核大小卷积的意义卷积后大小卷积后大小计算公式(占的内存) 卷积后大小计算公式(运算时间) 1x1的卷积核激活函 ...
深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-04-基于Python的LeNet之MLP
原文地址可以查看更多信息本文主要参考于:Multilayer Perceptron python源代码(github下载 CSDN免费下载) 本文主要介绍含有单隐层的MLP的建模及实现.建议在阅读 ...
深度学习(DL)与卷积神经网络(CNN)学习笔记随笔-03-基于Python的LeNet之LR
原地址可以查看更多信息本文主要参考于:Classifying MNIST digits using Logistic Regression python源代码(GitHub下载 CSDN免费下载) ...
深度学习（03）-- CNN学习
文章目录目录 1.CNN学习 2.Keras深度学习框架目录 1.CNN学习卷积神经网络CNN总结从神经网络到卷积神经网络(CNN) 我们知道神经网络的结构是这样的: 那卷积神经网络跟它是什么 ...
ML、DL、CNN学习记录8
文章目录 ML.DL.CNN学习记录7 强化学习 Makov 贝尔曼方程 Value-Based 知识图谱图神经网络 ML.DL.CNN学习记录7 强化学习(Reinforcement Learni ...
ML、DL、CNN学习记录7
文章目录 ML.DL.CNN学习记录7 GAN(Generative Adversarial Network) GAN的学习 GAN的损失函数 GAN 训练 GAN的扩展 DCGAN CGAN Sta ...
ML、DL、CNN学习记录6
文章目录 ML.DL.CNN学习记录5 VAE VAE 工作流程 VAE's Detail code+explain Model Output GAN GAN原理 CRNN(多用于文字识别) ML.D ...
ML、DL、CNN学习记录5
文章目录 ML.DL.CNN学习记录4 RNN RNN类别 Word 表示编码 10000dim - 100dim RNN基本运算 imdb 文本生成模型模型示例 ML.DL.CNN学习记录4 T ...
ML、DL、CNN学习记录3
文章目录 ML.DL.CNN学习记录3 Transfer Learning ML.DL.CNN学习记录3 # coding: utf-8 # Date:2020/8/15 19:16 # @Autho ...

CNN学习1——FCN

CNN学习1——FCN相关推荐

最新文章

热门文章