当前位置: 代码迷 >> 综合 >> 图像的语义分割
  详细解决方案

图像的语义分割

热度:5   发布时间:2024-01-15 03:18:24.0

金字塔池化模型PPM-Pyramid pooling module       

        ppm是以一种特殊的池化模型。通过由多到少的池化,可以有效增大感受野,增大全局信息的利用效率。PPM(Pyramid Pooling Module)是PSPNet中提出的一个模块,PSPNET是用于语义分割的一个网络。

        现在大多数先进的语义分割框架大多数基于FCN,FCN不能有效的处理场景之间的关系和全局信息。

SPP结构(Spatial Pyramid Pooling)

  • 解决CNN需要固定输入图像的尺寸,导致不必要的精度损失的问题;
  • 解决R-CNN对候选区域进行重复卷积计算,导致计算冗余的问题;

ASPP: Atrous Spatial Pyramid Pooling

        SPP在语义分割中的应用,结合了空洞卷积可在不丢失分辨率(不进行下采样)的情况下扩大卷积核的感受野。

DeepLab 系列

  • 使用“带孔/空洞”卷积改进ResNet模型:在不增加参数的情况下扩大感受野。
  • 提出了“空洞金字塔模块”(ASPP模块):通过不同的rate产生一组特征图,从而捕获多个尺度的对象。
  • 采用了全连接CRF(条件随机场)
  • 在编码过程中获取上下文信息,因此不需要很大的解码网络。
  • V3:级联或者并行地应用atrous卷积模块。
  • V3++:以DeepLabv3作为encoder模块,并添加了一个简单却有效的decoder模块。
  相关解决方案