Shwan_ma的博客

FCN这篇文章是第一次用CNN的方式端对端（end-to-end）的解决了图像语义分割问题，在Semantic Segment这个领域中也算划时代的论文了不同于常规的classification network, Sementic Segment侧重于像素级的分类。本文通过对常规classification network（Alexnet, VGG, GoogLeNet）进行fine-tuning,

摘要：目前流行的网络架构往往通过堆积小的卷积核（stack small filters），因为在相同计算量下，stack small filters往往比large kernel更加有效。然而在图像语义分割这块，我们需要做一个dense per-pixle prediction， 我们发现大内核在同时实现localization和classification的时候能够起到重要的作用。在这个设计原则下

本博客主要是针对DeepLab v2《DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs》 做的记录，其中还略微涉及DeepLab v1 《Semantic Image Segmentation with Deep Convol

图像语义分割是一种pixel-wise级的一种图像分类操作，其目的是在图像中上的同一个类别上打上相同的label，以表示这个类别是同一类。在训练自己的数据集中，语义分割最重要且最基础的一步便是对图像进行标注，以训练得到自己的模型。在标注图像中，MIT开源了一款标注软件，Labelme. http://labelme2.csail.mit.edu/Release3.0/index.php?mess