语义分割,也称为像素级分类问题,其输出和输入分辨率相同(如题图中,左边为2048x1024分辨率的Cityscapes街景图像,输入模型,得到右边同样分辨率的语义图)。由此,语义分割具有两大需求,即高分辨率和高层语义,而这两个需求和卷积网络设计是矛盾的。 卷积网络从输入到输出,会经过多个下采样层(一般为5个,输出原图1/32的特...
FPN最初是为了目标检测设计的,但也非常适合语义分割。它建立了一个特征层级金字塔,每一层级的特征图都由一个独立的卷积网络处理。每一层都会与下一层进行融合,结合了不同分辨率的特征信息。这样做不仅能提高模型的性能,还能增强对图像的多尺度理解。 密集融合(Dense Fusion)🌱 基于DenseNet的思想,每一层的特征不...
2.6.3 语义分割模型分析与比较 第32-35页 2.7 本章小结 第35-36页 第三章 结合上下文特征与CNN多层特征融合的语义分割 第36-47页 3.1 引言 第36-38页 3.2 本章方法 第38-41页 3.2.1 多层特征融合 第39-40页 3.2.2 RefineNet融合模型 第40页 ...
结合上下文特征与CNN多层特征融合的语义分割doi:10.11834/jig.190087罗会兰张云Journal of Image & Graphics