SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation

最新推荐文章于 2023-11-29 22:58:32 发布

原创最新推荐文章于 2023-11-29 22:58:32 发布 · 547 阅读

0 ·

CC 4.0 BY-SA版权

语义分割专栏收录该内容

4 篇文章

订阅专栏

SegNet是一种用于图像分割的深度学习架构，包含编码器、解码器和最终的像素级分类层。其亮点在于利用max-pooling索引进行上采样，以减少参数并保持边界清晰。与FCN对比，SegNet在存储效率和精度间找到了平衡。

SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation
PAMI 2017 http://mi.eng.cam.ac.uk/projects/segnet/

下载下面两个代码合到一起
https://github.com/alexgkendall/SegNet-Tutorial
https://github.com/alexgkendall/caffe-segnet

SegNet has an encoder network and a corresponding decoder network, followed by a final pixelwise classification layer.

SegNet 有三个部分构成：一个 encoder network，一个对应的 decoder network，最后一个像素级别的分类层
本文最大的亮点在：在 encoder 阶段我们做 max-pooling时，我们将 pooling indices 记录下来，在decoder upsamples 使用这些 pooling indices 得到稀疏的 upsampled maps，再用 trainable filters 进行卷积得到 dense feature maps。
和 DeconvNet 类似。

è¿éåå¾çæè¿°

系统结构示意图：

è¿éåå¾çæè¿°
SegNet 和 FCN decoder 方式对比

max-pooling indices的优势：

使边界轮廓更准确。
降低参数数量，实现end-to-end的训练。
该结构可以很好的合并到各种encoder-decoder结构

为验证不同decoder结构的标线，作者针对SegNet以及FCN网络设计了不同的decoder结构，并进行了详细的实验分析，实验结果如图3所示。

图3 不同decoder的实验对比结果
其中，网络介绍如下：

Bilinear-Interpolation : 双线性插值上采样。
SegNet-Basic: 4*(encodes[conv+bn+relu+maxpooling]+decoders[conv+bn]),kenel size: 7*7。
SegNet-Basic-SingleChannelDecoder: decoder采用单通道滤波器，可以有效减少参数数量。
SegNet-Basic-EncoderAddition: 将decoder与encoder对应的特征图相加。
FCN-Basic:与SegNet-Basic具有相同的encoders，但是decoders采用FCN的反卷积方式。
FCN-Basic-NoAddition:去掉特这天相加步骤，字学习上采样的卷积核。
FCN-Basic-NoDimReduction: 不进行降维。
通过表1分析，可以得到如下分析结果：

bilinear interpolation 表现最差，说明了在进行分割时，decoder学习的重要性。
SegNet-Basic与FCN-Basic对比，均具有较好的精度，不同点在于SegNet存储空间消耗小，FCN-Basic由于feature map进行了降维，所以时间更短。
SegNet-Basic与FCN-Basic-NoAddition对比，两者的decoder有很大相似之处，SegNet-Basic的精度更高，一方面是由于SegNet-Basic具有较大的decoder,同时说明了encoder过程中低层次的feature map的重要性。
FCN-Basic-NoAddition与SegNet-Basic-SingleChannelDecoder：证明了当面临存储消耗，精度和inference时间的妥协的时候，我们可以选择SegNet，当内存和inference时间不受限的时候，模型越大，表现越好。
作者总结到：

encoder特征图全部存储时，性能最好。这最明显地反映在语义轮廓描绘度量（BF）中。
当限制存储时，可以使用适当的decoder（例如SegNet类型）来存储和使用encoder特征图（维数降低，max-pooling indices）的压缩形式来提高性能。
更大的decoder提高了网络的性能。
4、场景实验
作者分别在CamVid以及SUN RGB-D数据集进行实验，实验结果如下表：

è¿éåå¾çæè¿°
图4 CamVid数据集实验结果
由上表可以发现，当训练次数少的时候，SegNet的优势明显，但是当训练次数增加后，DeconvNet的BF精度已经超过了SegNet，但是总体而言，SegNet具有较好的精度。