
CVPRW(CVPR workshops) 2017
【论文名字:提拉米苏】
文章目录
概述
- 要解决的问题
- 语义分割,没针对什么特别的问题,算是站在巨人的肩膀继续建造上层吧。
- 采用的方法
- 利用了DenseNets的结构的Dense连接
- 结果如何
- achieve state-of-the-art results在Camvids和Gatech数据集(无任何后处理和预训练)。
- code
- Contributions
- 使用了DenseNet的结构到语义分割的方向
细节
简略结构

但是其中的Dense block是下图,有所更改:本来按照原来的dense block,是直接增加如下红色线,去掉右边三条,但是因为本文为了减少内存消耗,因此就要去掉input的feature map与后面的output
的concat,所以就变成这个样子了。

这篇论文介绍了FC-DenseNet,一种在语义分割任务中采用DenseNet结构的全卷积网络。在Camvids和Gatech数据集上,未经后处理和预训练的情况下,该模型达到了最先进的结果。FC-DenseNet通过减少内存消耗的密集块设计,实现了深网络结构但参数较少的优势。
最低0.47元/天 解锁文章
527

被折叠的 条评论
为什么被折叠?



