I good vegetable a!

1.前言这篇文章主要以几篇经典的分割论文为切入点，浅谈一下当Unet遇见ResNet会发生什么？2. UNet首先回顾一下UNet，UNet的结构如下图所示：从UNet的网络结构我们会发现两个最主要的特点，一个是它的U型结构，一个是它的跳层连接。 其中UNet的编码器一共有4次下采样来获取高级语义信息，解码器自然对应了4次上采样来进行分辨率恢复，为了减少下采样过程带来的空间信息损失跳层连...

前言Anchor-Based的目标检测算法我们已经讲了一些了，另外Anchor-Free的目标检测我们也已经简单解读了一下DenseBox开了个头，而今天我们来开始说说另外一个方向即实例分割。而实例分割首当前冲需要介绍的就是2017年He Kaiming大神的力作Mask-RCNN，其在进行目标检测的同时进行实例分割，取得了出色的效果，并获得了2016年COCO实例分割比赛的冠军。总览Mas...

前言前面介绍了很多目标检测的算法，为了平衡一下，今天介绍一个语义分割算法QAQ。这是来自CVPR 2017的RefineNet，在PSCAL VOC 2012上达到了83.4的mIOU，是一个非常优秀的网络，同时其论文的思想也能对我们做工程做学术给予启发，我们来一起看看吧。对了，说一句题外话，卷积神经网络系列已经更新了5篇，接下来打算更新20篇左右从2012年到现在非常经典的CNN网络，一起来...

前言之前讲了DeepLabV1,V2,V3三个算法，DeepLab系列语义分割还剩下最后一个DeepLabV3+，以后有没有++,+++现在还不清楚，我们先来解读一下这篇论文并分析一下源码吧。论文地址：https://arxiv.org/pdf/1802.02611.pdf背景语义分割主要面临两个问题，第一是物体的多尺度问题，第二是DCNN的多次下采样会造成特征图分辨率变小，导致预测精度降低...

论文地址https://arxiv.org/abs/1706.05587摘要本文首先回顾了空洞卷积在语义分割中的应用，这是一种显式调整滤波器感受野和控制网络特征响应分辨率的有效工具。为了解决多尺度分割对象的问题，我们设计了采用级联或并行多个不同膨胀系数的空洞卷积模块，以更好的捕获上下文语义信息。此外，我们扩充了在DeepLab V2中提出的ASPP模块，进一步提升了它的性能。并且我们还分享了...

论文原文https://arxiv.org/pdf/1506.04579.pdf需要解决的问题这篇文章首先提出一个问题，理论感受野是真的吗？我们在PSNet的文章:https://blog.youkuaiyun.com/just_sort/article/details/90779543 中已经知道，感受野对于语义分割网络有很大影响，我们也是尽量去增大网络的感受野，让网络可以看见的区域更多，从而让语义分...

论文原文https://arxiv.org/pdf/1606.00915.pdf介绍DeepLabV2是在DeepLab的基础上进行了改进，DeepLab论文请看：https://blog.youkuaiyun.com/just_sort/article/details/95354212 。DeepLab使用了空洞卷积增大感受野，CRF条件随机场细化结果，多次度预测的3大Trick使得语义分割模型更加的...

论文原文https://arxiv.org/pdf/1412.7062v3.pdf模型结构论文上的原图是这样的：其实这里看的不是很清楚，我在一个博主的博客上看到了一个更加清楚的图，这里借用一下，出处：https://blog.youkuaiyun.com/qq_31622015/article/details/90551107DeepLab的BackBone依赖于VGG16，具体改造方法就是：...

论文原文https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=7803544摘要\quad本文提出了一种用于像素级语义分割的深度全卷积神经网络结构SegNet。该网络包含一个编码网络和一个解码网络。其中编码网络使用了VGG16中的13层卷积。解码器的作用主要是将低分辨率的特征图还原到完整的输入分辨率上，从而用于像素级的分类任...

论文原文https://arxiv.org/pdf/1704.08545.pdf香港中文大学，腾讯优图，商汤科技联合发表的一篇用于语义分割的论文。摘要ICNet是一个基于PSPNet的实时语义分割网络，设计目的是减少PSPNet推断时期的耗时，论文对PSPNet做了深入分析，在PSPNet的基础上引入级联特征融合模块，实现快速且高质量的分割模型。论文报告了在Cityscape上的表现。摘...

论文原文https://arxiv.org/abs/1612.01105摘要\quad本文提出的金字塔池化模块( pyramid pooling module)能够聚合不同区域的上下文信息,从而提高获取全局信息的能力。实验表明这样的先验表示(即指代PSP这个结构)是有效的，在多个数据集上展现了优良的效果。介绍\quad场景解析(Scene Parsing)的难度与场景的标签密切相关。先大...

题外话\quadUnet是受到FCN启发针对医学图像做语义分割，且可以利用少量的数据学习到一个对边缘提取十分鲁棒的模型，在生物医学图像分割领域有很大作用。网络架构这就是整个网络的结构，大体分为收缩和扩张路径来组成。因为形似一个字母U，得名Unet。收缩路径仍然是利用传统卷积神经网络的卷积池化组件，其中经过一次下采样之后，channels变为原来的2倍。扩张路径由2 * 2的反卷积，反卷机的输...

ENet原文地址https://arxiv.org/pdf/1606.02147.pdfENet的优势\quadENet实现了在移动端的实时语义分割，并且精度稍微好于SegNet，先看一下论文给出的速度测试图。ENet的网络结构...

论文原文https://arxiv.org/pdf/1411.4038.pdf创新点提出了一种端到端的做语义分割的方法，如图，直接拿分割的ground truth作为监督信息，训练一个端到端的网络，让网络做p像素级别的预测。如何设计网络结构如何做像素级别的预测在VGG16中的第一个全连接层的维度是25088x4096的，将之解释为512x7x7x4096的卷积核，这样最后就会得到一个f...