3.语义分割网络-Dilated Convolutions

目录

 

一 Dilated Convolutions的网络结构

1.网络架构

2.空洞卷积概念

3.空洞卷积示意图 

4.Front-end网络的概念

二 对网络结构的说明

三 主要内容

1.主要贡献

2.对主要贡献的说明

四 相关网络资源

---

一 Dilated Convolutions的网络结构

1.网络架构

2.空洞卷积概念

3.空洞卷积示意图 

 

4.Front-end网络的概念

 前端网络主要用彩色图片作为输入，产生C=21的特征图（feature map ）作为输出。，然后这里的21个特征图再用上表中的模型去训练做分割。

 

 

二 对网络结构的说明

主要提出了空洞卷积的概念，所谓空洞卷积，就是在卷积核的中间插入空格（0）元素，从而扩大感受野的方法。也能更好的保留空间位置信息。

三 主要内容

1.主要贡献

提出了空洞卷积

提出了用空洞卷积实现的"context moudle" 

2.对主要贡献的说明

空洞卷积层(在DeepLab中也称为atrous convolution)允许感受野指数级增长，而不会降低空间维度。

去掉预处理分类网络中的最后两个池化层(这里是VGG)，然后用扩展卷积替换后续的卷积层。特别是pool-3和pool-4之间的卷积有扩张因子为2的卷积层，pool-4之后的卷积有扩张因子为4的卷积层。利用该模型(本文称之为前端模型)，在不增加任何参数的情况下获得了稠密预测。

将前端模块的输出作为输入，训练一个模块(文中称为上下文模块)。该模块是一个级联用不同卷积因子进行扩展卷积，以便多尺度的上下文聚合和预测从前端得到改善。

四 相关网络资源

1.如何理解空洞卷积：https://www.zhihu.com/question/54149221/answer/192025860

2.如何计算卷积:https://www.jianshu.com/p/09ea4df7a788?utm_source=oschina-app