07 《Fully Convolutional Networks for Semantic Segmentation》学习笔记


 论文地址:Fully Convolutional Networks for Semantic Segmentation

参考网址:

  1. Fully Convolutional Networks for semantic Segmentation(深度学习经典论文翻译)(一般,很多不准确)
  2. Fully Convolutional Networks for Semantic Segmentation(FCN)论文翻译
  3. 论文精读及分析:Fully Convolutional Networks for Semantic Segmentation
  4. 论文笔记《Fully Convolutional Networks for Semantic Segmentation》(这篇不错,对文章进行了分析)

论文创新点:

  1. 提出一种新的全卷积网络,从而将网络输出的概率值上升为预测图,利用反卷积更好的恢复特征图尺寸;
  2. 适应任意尺寸的输入,均可得到同尺寸的输出预测图;
  3. FCN成为了语义分割领域中里程碑式的网络结构
问题 解决办法
1 、CNN的输出为一个特定的概率值 利用端到端的训练方式,将输出转换为图片
2 、CNN使用全连接层会丢失图像的二维信息 提出FCN网络,用卷积层代替全连接层,保留二维信息
3 、上采样会丢失大量细节信息 通过跳跃连接,将浅层特征与深层特征相融合

缺点:一些较小的物体识别不出来。 

 备注:由于精力问题,没有精读文章,而是参考了一些机构课程,基本上与论文中的内容差不多,至于一些细节之类的还需要细读论文。


 

07 《Fully Convolutional Networks for Semantic Segmentation》学习笔记_第1张图片

 

07 《Fully Convolutional Networks for Semantic Segmentation》学习笔记_第2张图片

 

07 《Fully Convolutional Networks for Semantic Segmentation》学习笔记_第3张图片

07 《Fully Convolutional Networks for Semantic Segmentation》学习笔记_第4张图片

 

07 《Fully Convolutional Networks for Semantic Segmentation》学习笔记_第5张图片

07 《Fully Convolutional Networks for Semantic Segmentation》学习笔记_第6张图片

论文中在最后介绍了语义分割常用的评价指标:

07 《Fully Convolutional Networks for Semantic Segmentation》学习笔记_第7张图片

 

07 《Fully Convolutional Networks for Semantic Segmentation》学习笔记_第8张图片

07 《Fully Convolutional Networks for Semantic Segmentation》学习笔记_第9张图片

07 《Fully Convolutional Networks for Semantic Segmentation》学习笔记_第10张图片

07 《Fully Convolutional Networks for Semantic Segmentation》学习笔记_第11张图片

 

07 《Fully Convolutional Networks for Semantic Segmentation》学习笔记_第12张图片


代码实现:

第一步,用tensorflow将原文代码复现;

第二步,修改使用自己的数据集(有一些问题:训练损失为nan,捣鼓了半天,实在是不清楚【代码写错了,修改之后可以使用】) 

你可能感兴趣的:(cv论文)