Open junxnone opened 4 years ago
基于CNN网络产生 feature map, FCN 采用反卷积层对最后一个卷积层的 feature map 进行上采样, 使它恢复到输入图像相同的尺寸,从而可以对每个像素都产生了一个预测, 同时保留了原始输入图像中的空间信息, 最后在上采样的特征图上进行逐像素分类
为了对一个像素分类,使用该像素周围的一个图像块作为CNN的输入用于训练和预测。
FCN-8s 分析
32s - 16s - 8s
32s/16s/8s : 指UpSample阶段最后一层 DConv 中 stride 的大小
UpSampling
FCN-32S-16S-8S 对比
优点
缺点
junxnone/tech-io#465
FCN
基于CNN网络产生 feature map, FCN 采用反卷积层对最后一个卷积层的 feature map 进行上采样, 使它恢复到输入图像相同的尺寸,从而可以对每个像素都产生了一个预测, 同时保留了原始输入图像中的空间信息, 最后在上采样的特征图上进行逐像素分类
传统CNN分割方法
为了对一个像素分类,使用该像素周围的一个图像块作为CNN的输入用于训练和预测。
网络结构
FCN-8s 分析
32s - 16s - 8s
UpSampling
FCN-32S-16S-8S 对比
优点
更加高效,避免了由于使用像素块而带来的重复存储和计算卷积的问题
缺点
后续
Reference