DeconvNet - Learning Deconvolution Network for Semantic Segmentation

[junxnone]

Reference

• [ ] paper - Learning Deconvolution Network for Semantic Segmentation
• [ ] Github repo
• [ ] 语义分割--DeconvNet--Learning Deconvolution Network for Semantic Segmentation
• [ ] UnPooling
  • [ ] 可视化理解卷积神经网络
  • [ ] Visualizing and Understanding Convolutional Networks 分析

    DeconvNet

• 卷积网络基于VGG16
• 加了两层全连接层，用于增强分类结果
• 反卷积网络是卷积网络的镜像
• 使用了UnPooling layer 来减少空间信息的丢失

Layers

Unpooling

通过记录池化过程中，最大激活值的坐标位置。然后在反池化的时候，只把池化过程中最大激活值所在的位置坐标的值激活，其它的值置为0

• 原理同 Visualizing and understanding convolutional networks

• 下图来自 Stacked What-Where Auto-encoders 中讲 pooling-unpooling 的部分

DeconvNet vs FCN

• FCN
  • 因为其固定尺寸receptive field只能解决单尺度的semantics ，对于过大过小的目标分割都有可能有问题
  • FCN 的 deconvolution procedure 太粗糙太简单, 目标很多细节信息丢失
• DeconvNet
  • 反卷积网络中使用 unpooling layers
  • feature map 提取结束后又加了两个 FC layer

[junxnone]

junxnone/tech-io#465