检测分割算法改进(篇三) ASPP(Atrous spatial pyramid pooling)模块

已于 2022-02-10 16:31:38 修改
阅读量2.2w 收藏 49
点赞数 9
分类专栏： 视觉检测图像分割干货 文章标签： 目标检测 ASPP
于 2022-02-08 12:00:06 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_42308217/article/details/122811647
版权
ASPP(Atrous Spatial Pyramid Pooling)是一种用于目标检测的模块，旨在不降低分辨率的情况下扩大网络感受野。该模块包含1x1卷积、不同膨胀系数的3x3膨胀卷积和全局平均池化层，通过拼接和1x1卷积融合不同分支信息，提高对多尺度上下文的理解。常用于DeepLab系列网络中。

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

ASPP是一个模块，可以被我们放在任何地方，比如下图：

来源：ASPP(Atrous spatial pyramid pooling)最早来自DeeplLab v2网络，后在DeepLab v3网络中得到改进加强，本文以DeepLab v3中的ASPP结构进行分析和源码实现。

模块目的：在不改变shape即不降采样的前提下增大网络的感受野，增强网络获得多尺度上下文的能力。

模块结构：

了解本专栏 订阅专栏 解锁全文
ResNet改进(10)：添加 ASPP（Atrous Spatial Pyramid Pooling）
2401_82355416的博客
03-20 223
ASPP通过空洞卷积（Atrous Convolution）在单层特征图上实现多尺度特征提取，兼顾效率和性能。ASPP（Atrous Spatial Pyramid Pooling）是一种用于语义分割的模块，旨在通过多尺度特征提取提升模型性能。空洞卷积通过在卷积核中插入“空洞”来扩大感受野，无需增加参数量或分辨率。：使用不同空洞率（如1, 6, 12, 18）的卷积层，提取多尺度特征。：将多尺度特征和全局特征拼接或相加，融合后通过1x1卷积调整通道数。：通过不同空洞率捕捉多尺度信息。
Atrous Spatial Pyramid Pooling（ASPP）空洞空间卷积池化金字塔
轩辕霸天L
07-06 4076
Atrous Spatial Pyramid Pooling（ASPP）空洞空间卷积池化金字塔
【DeepLab系列】 DeepLabV3中的ASPP(Atrous Spatial Pyramid Pooling)模块搭建
weixin_44994302的博客
07-14 8909
【DeepLab系列】 DeepLabV3中的ASPP模块搭建 1 前言 2 代码实现 2.1 ASPP模块流程图 说明：图片来自DeepLabV3 Rethinking Atrous Convolution for Semantic Image Segmentation 2.1 代码 说明：图片来自DeepLabV3+ Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation 说明：该代码针
Pytorch实现DeeplabV3 Plus的ASPP(Atrous Spatial Pyramid Pooling)
xiongxyowo的博客
01-12 1万+
完整源码位于文章底部 ASPP是什么 ASPPConv 方法头： def __init__(self, in_channels, out_channels, dilation): in_channels：输入通道数 out_channels：输出通道数 dilation：膨胀率 事实上空洞卷积层与一般卷积层之间的差别就在于这个膨胀率，其控制的是卷积时的padding以及dilation。通过不同的填充以及与膨胀，以获取不同尺度的感受野，提取多尺度的信息。 nn.Conv2d(in_channels.
ASPP（Atrous Spatial Pyramid Pooling）
qq_52302919的博客
01-04 3万+
受到SPP的启发，语义分割模型DeepLabv2中提出了ASPP模块，该模块使用具有不同采样率的多个并行空洞卷积层。为每个采样率提取的特征在单独的分支中进一步处理，并融合以生成最终结果。该模块通过不同的空洞rate构建不同感受野的卷积核，用来获取多尺度物体信息
Dense Atrous Spatial Pyramid Pooling（DASPP）
菜根檀的博客
11-24 4618
Dense Atrous Spatial Pyramid Pooling-密集空洞空间金字塔池化1 Atrous convolution and pyramid pooling2 Denser feature pyramid and larger receptive field2.1 Denser feature pyramidDenser scale sampling:Denser pixel sampling:2.2 Larger receptive field 密集空洞金字塔池化时基于空洞卷积和空洞空
Pytorch之经典神经网络语义分割(3.2) —— ASPP 空洞空间金字塔池化(atrous spatial pyramid pooling )
hxxjxw的博客
02-09 8127
空洞卷积(Dilated/Atrous Convolution)，广泛应用于语义分割与目标检测等任务中，语义分割中经典的deeplab系列与DUC对空洞卷积进行了深入的思考。目标检测中SSD与RFBNet，同样使用了空洞卷积。 空洞空间卷积池化金字塔(atrous spatial pyramid pooling (ASPP))对所给定的输入以不同采样率的空洞卷积并行采样，相当于以多个比例捕捉图像的上下文。 https://blog.youkuaiyun.com/qq_36530992/article/d...
Dense Semantic Labeling with Atrous Spatial Pyramid Pooling and Decoder for High-Resolution Remote S...
weixin_30608131的博客
05-09 333
对 Potsdam and Vaihingen 公开数据集进行处理，得到了SOTA的结果，超越DeepLab_v3+，提出的网络结构如下：结合了ASPP和FCN，UNet 转载于:https://www.cnblogs.com/tccbj/p/10838771.html...
语义分割(semantic segmentation)--DeepLabV3之ASPP(Atrous Spatial Pyramid Pooling)代码详解
热门推荐
别说话写代码的博客
02-12 5万+
ASPP： Atrous Spatial Pyramid Pooling deeplabv2中的aspp如上图所示，在特征顶部映射图使用了四中不同采样率的空洞卷积。这表明以不同尺度采样时有效的，在Deeolabv3中向ASPP中添加了BN层。不同采样率的空洞卷积可以有效捕获多尺度信息，但会发现随着采样率的增加，滤波器有效权重（权重有效的应用在特征区域，而不是填充0）逐渐变小。如下图 当...
空间金字塔池化
03-19
Deeplab Semantic image segmentation with deep convolutional nets, atrous convolution 空间金字塔池化的文章
Spatial Pyramid Pooling Net 介绍
09-22
本文档主要介绍了SPP-Net一文中的网络架构和主要思想。
ASPP改进——结合频率注意力机制，附上代码
weixin_56607254的博客
12-13 1106
空洞空间卷积池化金字塔（atrous spatial pyramid pooling (ASPP)）通过对于输入的特征以不同的采样率进行采样，即从不同尺度提取输入特征，然后将所获取的特征进行融合，得到最终的特征提取结果，这样不仅可以节约参数和计算力，而且保证了其能够做为即插即用的模块集成到现有的网络架构中去。
ASPP改进——更换卷积方式
weixin_56607254的博客
12-13 1444
ASPP改进——更换卷积方式
改进版ASPP：ASPP加入通道注意力机制(SENET)，即SE_ASPP
qq_45014374的博客
10-25 1万+
空洞空间卷积池化金字塔（atrous spatial pyramid pooling (ASPP)）通过对于输入的特征以不同的采样率进行采样，即从不同尺度提取输入特征，然后将所获取的特征进行融合，得到最终的特征提取结果。
Spatial Pyramid Pooling
xiaolt90的博客
08-07 785
简介 Spatial Pyramid Pooling即空间金字塔池化，是大神何凯明与2014年在论文《Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition》中提出。 Spatial Pyramid Pooling主要功能是将不同尺寸的输入转化为固定尺寸的输出，使得神经网络在训练过程和推理过程都能摆脱对固定尺寸的依赖，避免了因为适应固定尺寸对原始图片进行裁剪（crop）或者变形（wrap）引起的信息丢失和位置
【目标检测】(8) ASPP改进加强特征提取模块，附Tensorflow完整代码
博观而约取，厚积而薄发
04-03 1万+
各位同学好，最近想改进一下YOLOV4的SPP加强特征提取模块，看到很多论文中都使用语义分割中的ASPP模块来改进，今天用Tensorflow复现一下代码。 YOLOV4的主干网络代码可见我上一篇文章：https://blog.youkuaiyun.com/dgvv4/article/details/123818580 将本节的ASPP代码替换原来的SPP模块代码即可 1. 方法介绍 YOLOv4 中使用 SPP 模块提取不同感受野的信息，但没有充分体现全局信息和局部信息的语义关系。本文设计的 ASPP 引入不
【目标检测】|空洞卷积aspp
qq_35608277的博客
06-15 2887
空洞卷积（扩张卷积，带孔卷积，atrous convolution）是一种区别于普通卷积的卷积方式，从字面理解，就是卷积层中有洞。 空洞卷积的rate的意思是在普通卷积的基础上，相邻权重之间的间隔(卷积核中参数之间的间隔)为rate-1,普通卷积的rate默认为1，所以空洞卷积的实际大小为k+(k−1)(rate−1)，其中k为原始卷积核大小。标准卷积可以看做空洞卷积的特殊形式。 eg rate=2 中间插入一（rate-1）个空洞 在3*3卷积核中间填充0，有两种实现方式，第一，卷积核填充0，第二，输
YOLOv5改进 | SPPF | 具有多尺度带孔卷积层的ASPP【CVPR2018】
最新发布
kay_545
06-25 2143
yolov5，yolov5改进，ASPP
融合不同尺度的信息 Atrous Spatial Pyramid Pooling空洞空间卷积汇聚金字塔去替换UNet的瓶颈处
06-09
这不是一个问题，而是一句话陈述。如果你想问的是关于ASPP和UNet的比较和优缺点，我可以给你一些简单的说明。ASPP是一种通过添加具有不同空洞率的空洞卷积来捕获不同尺度的上下文信息的方法。ASPP可以提高模型的感受野，从而更好地捕获图像中的全局信息。而UNet则通过对称的编码器和解码器结构来提取图像中的多层次特征，并通过跳跃连接来解决信息丢失的问题。相比之下，ASPP的优点是可以更好地捕获全局信息，但其缺点是可能会增加模型的计算量。而UNet的优点则是能够更好地处理局部信息，但可能会出现分辨率损失的情况。综合考虑，选择使用哪种方法需要根据具体的应用场景和需求来决定。
评论 16
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

刚哥吧

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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