本文介绍了SegNet模型，重点阐述了其基于VGG16的编码器网络和对称的解码器网络在语义分割任务中的关键作用，包括特征提取、池化索引保存和解码过程。通过实例展示了SegNet在CamVid和SUNRGB-D数据集上的优势，以及模型在速度上的优化。
语义分割
语义分割的目的是对图像中每一个像素点进行分类，与普通的分类任务只输出某个类别不同，语义分割任务输出是与输入图像大小相同的图像，输出图像的每个像素对应了输入图像每个像素的类别。
图像语义分割就是机器自动分割并识别出图像中的内容，比如给出一个人骑摩托车的照片，机器判断后应当能够生成右侧图，红色标注为人，绿色是车，黑色表示背景。
网络模型
SegNet 其核心的训练引擎包含一个Encoder网络（采用VGG16，移除全连接层 ，和FCN一样），和一个对称的Decoder网络，即编码器-解码器结构，并跟随一个用于pixel-wise的分类层
编码器
-
在编码器处，执行卷积和最大池化。
-
VGG16 有 13 个卷积层，将原始的全连接层被替换成解码器。
-
在每个卷积层后添加BatchNormalization层。
-
在进行 2×2 最大池化时，会存储相应的最大池化索引（位置），用于解码器的反池化操作。
解码网络中复用max-pooling indics的好处：
-
改善了边界划分
-
减少了端到端训练的参数量
-
仅需要少量的修改而可合并到任何编码－解码形式的架构
解码器
在解码器中主要是用到了编码器中存储的max_pooling的indicate的一些坐标，这样可以不需要通过计算就恢复出来一个尺寸更大的输入图。相对于转置卷积会减少很多的计算量。
总结
在CamVid(室外)上与传统方法相比:
可以通过图像对比发现SegNet在很多种类上都是处于领先的正确率的水平。
在CamVid上与其他深层网络对比:
在SUN RGB-D(场景理解)上与其他深层网络相比:
模型时间和推断时间进行对比:
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
