超级会员免费看
本文详细介绍了FCN（Fully Convolutional Networks）语义分割算法，包括前馈神经网络、反卷积层和上采样的实现。重点讨论了反卷积如何将小特征图映射回原图大小，以及上采样过程。通过FCN，可以实现像素级别的语义分割，论文中对比了不同前馈网络的效果，并以VGG为例进行了深入解析。
FCN语义分割算法详细介绍（一）论文详解
这一篇讲解论文的一下几个方面，下一篇我们解析一下源码：
一、提要
二、论文详解：
- 前馈神经网络
- 反卷积层（deconvolution layers）的实现
- 上采样（upsample）的实现
三、总结
——————分割线——————
照例先扯淡：
emmm吐槽一下吧，这个周复现FCN的时候发现训练的模型，要么是一片黑（全部归为背景分类），要么是这样的:
然后找来找去以为是反卷积层的问题（感谢tensorflow的静态图，大大增加了调试难度😤），改来改去好几天，最后才发现是读取label image并resize的时候出了错，，，cv2.resize函数默认的插值方式是双线性插值，把label image的许多标签转换成了小数从而被归为了背景类，，，好吧╮(╯-╰)╭是在下输了。后来改成最邻近
订阅专栏 解锁全文
扫一扫
8998
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
