迁移学习与语义分割（Seg Net）

    

前情回顾

我们在前三期介绍了

迁移学习与计算机视觉

迁移学习与图像分类

迁移学习与目标检测（faster RCNN）

这一节为大家详细讲解迁移学习与语义分割的基本原理

﹏

﹏

﹏

﹏

语义分割的任务是将图像每一个像素进行分类，而VGG16在语义分割任务中则是扮演充当图像编码器的角色。Vijay Badrinarayanan等人^[13]提出了SegNet模型便很好地完成该项任务，模型结构如图 7.9所示。类似于我们在第四章提及的卷积自编码器，SegNet也是采用Encoder-Decoder模式。编码器由VGG16的前13层组成（即去掉了全连接层），每个卷积层后面跟着Batch Normalization和Relu激励函数，而译码器则是和编码器每一层都相对应，最后下接一个Softmax层来进行分类，进而输出每一个像素的标签。

图 7.9 SegNet

这个模型最大的亮点是采用了Pooling Indices，通过记录每一次Max Pooling的最大值和位置，从而建立索引查询。在upsampling过程中，我们直接利用记录的索引恢复像素，从而达到定向恢复相应值的效果，进而达到分类更加精细的目标。而且这样做的另外一个好处是耗费少量存储空间，加快了训练速度。因为我们只是将对应记录的Max pooling的最大值放回原来的位置，并不需要通过Upsampling来训练学习。Max Pooling与其相对应的UpSampling运算过程如图 7.10所示。

图 7.1 Max Pooling和Upsampling运算过程

参考文献

[13]Badrinarayanan V, Kendall A, Cipolla R. Segnet: A deepconvolutional encoder-decoder architecture for image segmentation[J]. IEEEtransactions on pattern analysis and machine intelligence, 2017, 39(12):2481-2495.

下一期，我们将继续讲授

实例分割

敬请期待~

关注我的微信公众号~不定期更新相关专业知识~

内容 |阿力阿哩哩 

编辑 | 阿璃 

点个“在看”，作者高产似那啥~