语义分割之PSPNet个人总结

1. Architecture

作者想解决的问题有:
(1) 由于没有理解上下文语义关系导致类的错分,如水上的船被错分为car,而事实是car一般不在水上。
(2) 相似类的混淆: 如 摩天大楼、building、wall。
(3) 不显眼的类的划分,如路灯。
作者认为想解决这三个问题,在于要利用不同感受野的信息,并且要理解上下文语义关系。

于是作者致敬SPPNet,也采用了多尺度池化。
语义分割之PSPNet个人总结_第1张图片

主要核心在于后面的金字塔池化,最后再进行concat。

2. Auxiliary Loss

语义分割之PSPNet个人总结_第2张图片
这是专门针对ResNet的。虽然ResNet已经通过残差块来解决梯度消失的问题,但作者认为加一个loss层会使优化问题更简单。于是在如图位置加了一个loss。最后乘以一个权重alpha 与最后一层连接的loss相加,形成最终的loss。

你可能感兴趣的:(深度学习,语义分割)