（22）语义分割--LR-ASPP

最新推荐文章于 2024-12-26 17:30:03 发布
原创 最新推荐文章于 2024-12-26 17:30:03 发布 · 1.1k 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #机器学习 #pytorch

本文介绍了LR-ASPP模型在语义分割中的使用，基于Mobilenet V3的轻量化网络结构，详细阐述了网络的设计原理，包括8倍和16倍下采样的融合策略，以及推理速度的比较。同时，文章探讨了Mobilenet V3骨干网络的改动，如修改 stride 和引入膨胀卷积，并提到了网络结构的优化，如SEnet注意力模块和激活函数H-Swish的使用。

1、主要参考

（1）视频

LR-ASPP模型简介(语义分割)_哔哩哔哩_bilibili

（2）github

deep-learning-for-image-processing/pytorch_segmentation/lraspp at master · WZMIAOMIAO/deep-learning-for-image-processing · GitHub

2、LR-ASPP原理

2.1网络结构

（1）该网络是基于mobilenetv3的轻量化网络

名字就是Lite R-ASPP

 （2）8倍下采样和16倍下采样处理后的融合

 （3）网络的整体实现

 上图中，右侧Bneck中的虚线部分使用了膨胀卷积

 2.2推理速度比较

 2.3 mobilenet v3的骨干网络

（1）修改了虚线处的stride，从原来的2修改为1；后面有三层使用了膨胀卷积，膨胀系数为2

 3、mobilenet v3的网络

3.1 网络论文

 3.2 网络结构的更新

（1）

 （2）SEnet注意力模块的理解

 （3）重新设计了耗时的网络结构

 （4）重新设计了激活函数H-Swish

 3. 3 整体网络结构

图像分割:LR-ASPP模型介绍
@bangbang的博客
09-15 3834
LR-ASPP是一个轻量级语义分割网络，论文地址.LR-ASPP是在MobileNetV3论文中提出来的，它非常适合移动端部署。
【霹雳吧啦】手把手带你入门语义分割9：LR-ASPP 网络模型
作者正在煮茶中...
12-17 2398
这篇文章是我根据 B 站 霹雳吧啦Wz 的《深度学习：语义分割篇章》中所作的第九篇学习笔记，先是介绍了 LR-ASPP 网络，再将其与 DeepLabV3、FCN 网络进行性能对比，然后具体讲解了该网络模型的结构框架，包括论文提出的结构以及 PyTorch 官方实现的结构。作者小白，请多包涵！
LR-ASPP（MobileNet v3）分割网络：医学数据气胸图像语义分割实战【完整代码、完整数据集】
09-05
LR-ASPP（MobileNet v3）分割网络：医学数据气胸图像语义分割实战【完整代码、完整数据集】 train 脚本会生成训练集、验证集的loss、iou曲线、学习率衰减曲线、训练日志、数据集可视化图像等等。 【代码做了详细注释，可以自行下载查看，想要训练自己的数据，参考README文件，傻瓜式运行】
深度学习语义分割篇——LR-ASPP原理详解+源码实战
秃头小苏的博客
08-26 1407
Hello，大家好，我是小苏👦🏽👦🏽👦🏽在之前我为大家介绍过DeepLab系列的三篇文章，大家还记得嘛，不记得的可以点击下面链接看一看喔。✨✨✨深度学习语义分割篇——DeepLabV1原理详解篇🍁🍁🍁深度学习语义分割篇——DeepLabV2原理详解篇🍁🍁🍁深度学习语义分割篇——DeeplabV3原理详解+源码实战🍁🍁🍁今天为大家带来的同样也是语义分割网络——LR-ASPP，本文会结合源码为大家介绍LR-ASPP的结构，让大家对其有一个更加清晰的认识。兄弟萌，准备好了嘛，我要开始发车了喔~~~🚖🚖🚖。
LR-ASPP（MobileNet v3）：道路图像语义分割实战
Henry的博客
08-28 1044
Backbone 不再进行 32 倍下采样，而是仅进行 16 倍下采样Backbone 中最后的几个 BottleNet 中使用膨胀卷积在一般的语义分割任务，Backbone 通常会进行 8 倍下采样，而 MobileNet v3 LR-ASPP 为了使模型更加轻量化，于是进行了 16 倍 下采样分割头（Segmentation Head），也就是 LR-ASPP。在 Backbone 输出上分成了两个分支，如上图所示：第一个分支。
LR-ASPP论文
qq_42178122的博客
01-12 6514
论文地址：https://arxiv.org/abs/1905.02244、 摘要 我们提出了基于互补搜索技术的组合以及一个新颖的架构设计的下一代移动网络。MobileNetV3通过结合NetAdapt算法补充的硬件网络架构搜索(NAS)调整到移动电话cpu上，随后通过新的架构进步进行了改进。本文开始探索如何自动搜索算法和网络设计可以一起工作，利用互补的方法来改善整体的艺术状态。通过这个过程，我们为发布创建了两个新的MobileNet模型:MobileNetV3-Large和MobileNetV3-Smal
[语义分割] LR-ASPP（MobileNet v3、轻量化、16倍下采样、膨胀卷积、ASPP、SE）
Le0v1n 的博客
08-02 5983
MobileNet v3、轻量化、16倍下采样、膨胀卷积、ASPP、SE
语义分割 LR-ASPP网络学习笔记 （附代码）
PLANTTHESON的博客
12-06 2638
语义分割 LR-ASPP网络学习笔记 （附代码）
MobileNet v3 large 改进：加入LR-ASPP 语义分割、多类别分割
09-28
MobileNet v3 large 改进：加入LR-ASPP 语义分割、多类别分割，摆放好数据集即可，可一键运行
【语义分割】算法理论梳理：基础理论/常见网络FCN、DeepLab、LR-ASPP、UNet、U2Net
ShiTianlei的博客
08-24 3219
图像分割中语义分割算法的理论梳理，主要针对算法的演化思路以及涉及到的专有名词（如转置卷积、膨胀卷积、mean IoU等)进行总结，想要对语义分割算法有一个框架式、全局掌握的小伙伴可以来看一眼。
ASPP网络结构
sgfsfgs的博客
03-29 451
https://blog.youkuaiyun.com/qq_40714949/article/details/112514163
Semantic Segmentation | 评价指标与经典网络（FCN，DeepLab系列，UNet，LR-ASPP）
Clichong
01-30 3323
尽管现在Transformer的时代，但之前一些经典的语义分割架构还是用这篇blog记录一下，图片参考来源b站up：霹雳吧啦Wz。 文章目录1. 网络结构1.1 FCN1.2 Deeplabv11.3 Deeplabv21.4 Deeplabv31.5 UNet1.6 LR-ASPP2. 评价指标 1. 网络结构 1.1 FCN FCN-32S FCN-16S FCN-8S 1.2 Deeplabv1 1.3 Deeplabv2 1.4 Deeplabv3 1.5 UNet 1.6 LR
MobileNet V3与Lite R-ASPP 总结
机器学习，数据挖掘算法爱好者
01-02 4222
MobileNetV3 主要贡献 Complementary search techniques（主要针对神经网络搜索的NetAdapt算法，修改了优化目标，原始论文最小化accuracy change，当前论文最小化latency change 与accuracy change的比值） New efficient versions of nonlinearties practical （这部分主要解决非线性映射函数swish x=x⋅σ(x)swish\ x=x \cdot \sigma (x
[语义分割] ASPP不同版本对比（DeepLab、DeepLab v1、DeepLab v2、DeepLab v3、DeepLab v3+、LR-ASPP）
Le0v1n 的博客
08-02 5770
DeepLab、DeepLab v1、DeepLab v2、DeepLab v3、DeepLab v3+、LR-ASPP
LRASPP_MobileNetv3训练自己的分割数据集
最新发布
treelly的博客
12-26 1184
今年做的布料瑕疵检测项目，其中一个需求是准确识别布料边缘。之前只针对白色布料，使用opencv进行边缘检测，也够用了，随着布料颜色越来越多样，采集图片的光源环境越来越多变，opencv边缘检测模块已经不能满足需求。同事建议我试试语义分割模型的效果，并推荐了一个轻量级模型：LRASPP_MobileNetV3。这篇文章用来记录使用LRASPP_MobileNetV3训练自己的分割数据集的实战过程。从环境搭建、数据准备、模型训练、再到导出trt模型和测试，方便日后查阅。
【霹雳吧啦】手把手带你入门语义分割の番外6：LR-ASPP 源码讲解（PyTorch）
作者正在煮茶中...
12-28 1551
这篇文章是作者根据 B 站 霹雳吧啦Wz 的 《 LR-ASPP 源码解析 (Pytorch) 》系列所作的学习笔记，主要对 train.py、lraspp_model.py 文件进行具体讲解。作者小白，请多包涵！
一文掌握 MobileNetV3 在 TorchVision 中的实现细节
HyperAI超神经
06-10 3485
TorchVision v0.9 中新增了一系列移动端友好的模型，可用于处理分类、目标检测、语义分割等任务。 本文将深入探索这些模型的代码，分享值得注意的实现细节，解释这些模型的配置和训练原理，并解读模型优化过程中官方做出的重要权衡。 本文的目标是展示模型中没在原始论文和资料库中记载的技术细节。 网络架构 MobileNetV3 架构的实现严格遵守了原始论文中的设定，支持用户自定义，为构建分类、目标检测和语义分割 Backbone 提供了不同的配置。 它的结构设计与 MobileNetV2 类似，两者共用相
视频前景分割
qq_45798276的博客
01-30 3941
MobileNetV3 MobileNetV3 网络结构 bneck层 配套MobileNetV3视频讲解 super详解 在单继承中 super主要是用来调用父类的方法的 了解torch torch.nn nn是Neural Network的简称，帮助程序员方便执行如下的与神经网络相关的行为： （1）创建神经网络 （2）训练神经网络 （3）保存神经网络 （4）恢复神经网络 LRaSPP空洞空间卷积池化金字塔 金字塔池化系列的理解SPP、ASPP SPP-Net、Atrous Convolution以
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值