Semantic Segmentation
关注
分享
扫一扫
文章平均质量分 79
心态已炸_沉迷学习
这个作者很懒，什么都没留下…
展开
-
ParseNet: Looking wider to see better论文解读
Introduction这篇文章提出了ParseNet，一个端到端的用于语义分割的卷及神经网络，这篇文章最大的贡献在于使用了全局语义信息（Global Context）来做分割，ParseNet可以直接对网络中任意一层进行全局池化得到一个代表全图特征的特征图，并利用这个特征图进行分割。 可是为什么加入了全局信息就会改善分割的结果呢？ 对于CNN来说，由于池化层的存在，卷积核的感受野（Rec...原创 2018-06-29 17:14:09 · 7072 阅读 · 0 评论 -
Understanding Convolution for Semantic Segmentation论文解读
Introduction这篇文章完成于17年，一作来自于图森科技。这篇文章的主要贡献来自于提出了标准空洞卷积存在的“gridding issue”问题，并着手提出了叫做混合空洞卷积（Hybrid Dilated Convolution， HDC）的模块来解决这个问题。文章首先把分割网络分为编码器和解码器，由于任务不同，卷积的形式也有不同，因此文章试图将两个encoder与decoder部分...原创 2018-07-09 19:52:09 · 1573 阅读 · 0 评论 -
Laplacian Pyramid Reconstruction and Refinement for Semantic Segmentation论文解读
Introduction这篇文章介绍了空间信息与语义信息的原则并提出两种方法显著提高了分割的结果： 首先，文章提出池化破坏了通道内部的空间信息，因为池化之前的卷积可以认为其融合了多个通道空间信息并编码得到高维向量。当然这个问题大家都知道。越低的层得到的分割边缘越清晰位置越明确分辨率也越高，但很多错误分类结果；而高层得到的分割则更正确但边缘也更模糊，不够锐利。于是文章使用了一种data-ada...原创 2018-06-28 11:09:52 · 1703 阅读 · 0 评论 -
DeepLabv3:Rethinking Atrous Convolution for Semantic Image Segmentation论文解读
Introduction这篇文章是DeepLab系列文章的第三篇，也可以说是DeepLabv3. 这篇文章主要是对DeepLab系列的不断改进，在介绍这篇文章之前，我们先来看一下DeepLab系列论文的大致内容。Dilated ConvolutionDilated Convolution，也可以叫做空洞卷积，最早在文章 Multi-Scale Context Aggrega...原创 2018-07-05 11:47:36 · 867 阅读 · 0 评论 -
Dilated Residual Network论文解读
Introduction这篇文章来自于17年CVPR，同样是对空洞卷积的思考，但这篇文章不是把空洞卷积变着法得用在语义分割上，而是重新回到了图像分类领域，在看这篇文章的同时可以结合旷视和清华一起提出的另一篇论文DetNet一起阅读，这两篇论文都是利用了空洞卷积作为Backbone，把它的应用从分割扩展到了分类与检测。 DetNet: A Backbone network for Obj...原创 2018-07-12 17:12:55 · 7836 阅读 · 3 评论 -
Cityscapes数据集百度云下载
Cityscapes数据集是一个计算机视觉语义分割数据集，多说无益，百度云链接如下：Cityscapes需要解压gtFine.zip 没有包含coarse的标注原创 2018-07-25 10:52:07 · 51872 阅读 · 88 评论 -
KITTI数据集百度云下载
百度云链接：KITTI原创 2018-07-25 10:53:22 · 21012 阅读 · 17 评论 -
Large Kernel Matters论文解读
Introduction这篇文章来自于17年的ICCV会议，作者来自清华与旷视，这篇文章提出大的卷积核对分割网络非常重要，并使用论文中提出的GCN（Global Convolution Network）显著提高了分割的精度。这篇文章还有一个后续，叫做ExFuse，但ExFuse这篇文章更多的是各种小trick的叠加，质量一般。 ExFuse的论文全称为ExFuse: Enhancing Fe...原创 2018-07-20 11:28:37 · 2321 阅读 · 2 评论