Pyramid Scene Parsing Network(PSPNet)

本文探讨了PyramidPoolingModule在场景分析中的应用,通过调整金字塔层的数量和大小,如1×1、2×2、3×3和6×6,实现不同级别的特征提取。同时介绍了DeepSupervisionforResNet-BasedFCN模型,利用辅助损失优化学习过程,提高最终预测精度。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

code

进行场景分析所遇见的问题

在这里插入图片描述

Pyramid Pooling Module

在这里插入图片描述
红色表示最粗糙的全局池化层。
可以修改金字塔层的数量和每层的大小, 本文的金字塔池模块是一个四层模块,其大小分别为1×1、2×2、3×3和6×6。
(b)由带有空洞卷积的预训练resnet网络得到,其大小为输入大小的 1/8

Deep Supervision for ResNet-Based FCN

在这里插入图片描述
上图显示了我们的深度supervised ResNet101模型的示例。除了使用softmax损失(主分支损失)训练最终分类器外,在第四阶段之后使用另一个分类器,即res4b22残差模块。 辅助损失有助于优化学习过程,而主分支损失承担最大责任。 我们增加权重以平衡辅助损失。在测试阶段,我们放弃了该辅助分支,而仅将经过优化的主分支用于最终预测。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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