deeplab 实例分割

DeepLab

Posted by 高庆东 on September 7, 2020

DeepLab

FCN 全卷积网络 FPN 金字塔网络 空洞卷积 通过空洞率控制
1、对特征图使用不同空洞率的卷积 2、cat结果 3、上采样预测 实例分割的目标是将目标从图片上在像素级别上分割开，主要有两个创新，一个是空洞卷积一个是FPN， 这两个可以实现实例分割，分割的损失函数是交叉熵损失，是像素级别的交叉熵
上采样就是用插值将卷积后的图像恢复到输入大小。在损失计算的时候，input是decoder后的图像
target是目标图像。 在这个过程中有个分别使用不同的空洞系数计算卷积然后concat，可以结合更
多图像的信息
deeplab

和Unet的区别

都使用了不同维度的特征连接

CATALOG
    FEATURED TAGS
    c语言 c++ 面向对象 指针 容器 python 函数 数据结构 回归 损失函数 神经网络 机器学习 似然函数 极大似然 标准化 深度学习 卷积网络 参数估计 beta分布 数据处理 gradio 模型工程化 网页 模型加速工具 c++实现 变量 占位符 tensorflow 线性回归 学习tensorflow HMM RNN 强化学习 LSTM pandas 不定长序列损失 pytorch 目标检测 RPN 非极大值抑制 ROIpooling VGG16 Transformer BERT Python 装饰器 方法 Pytorch FPN 图像分类 CNN 多模态 生成 GPT Tranformer 生成模型 audio