1. 空间池化模块StripPooling (SP) 结构介绍 本文介绍了一种新的空间池化策略,称为Strip Pooling,用于场景解析。以下是其结构和作用的简要总结: Strip Pooling Module (SPM):包括两个平行路径,分别进行水平和垂直方向的条带池化,然后通过1D卷积层进行特征调整。然后将他们融合在一起经过1x1的卷积和sigmoid,形成权重。
Strip Pooling结构图: Strip Pooling 2、代码实现 import torch import torch.nn as nn from torch.nn import functional as F class StripPooling(nn.Module): def __init__(self, in_channels, pool_size=(20, 12), norm_layer=nn.BatchNorm2d): super(StripPooling, self).__init__() self.pool1 ...
2.3.1 Strip Pooling Module (SPM) 整体结构:如图所示,输入张量x∈RC×H×W首先被送入两个并行路径,每个路径包含一个水平或垂直Strip Pooling层,后面跟着一个核大小为3的1D卷积层用于调制当前位置及其邻域特征,得到yh∈RC×H和yv∈RC×W。 然后将yh和yv组合得到y∈RC×H×W($y{c,i,j}=y{c,i}^{h}...
strip pooling 好处是 一个方向可以得到non local的信息,另一个方向可以得到细节的信息。 Strip Pooling Module (SPM) 优点: SPM可以直接应用于任何预先训练的骨干网络,而无需从无到有地进行训练。 SPM是轻量级的,可以很容易地嵌入到任何构建块中。 与全局平均池化相比,条纹池化考虑的是较长但较窄的范围,而不是...
基于条纹池化的想法,作者提出了两种即插即用的池化模块 — Strip Pooling Module (SPM) 和 Mixed Pooling module (MPM)。 2.1、SPM(Strip pooling) SPM由两条路径组成,它们分别侧重于沿着水平和垂直空间两个维度捕获远程上下文。 图中的条纹池化,实际上和普通池化方法没有区别,就是把池化核(长条形区域)所对应的...
基于条纹池化的想法,作者提出了两种即插即用的池化模块 —Strip Pooling Module (SPM)和Mixed Pooling module (MPM)。 2.1、SPM(Strip pooling) SPM由两条路径组成,它们分别侧重于沿着水平和垂直空间两个维度捕获远程上下文。 图中的条纹池化,实际上和普通池化方法没有区别,就是把池化核(长条形区域)所对应的特征图...
(ii) 设计了一个 Strip Pooling Module 和一个基于 Strip Pooling 的 Mixed Pooling Module。这两个模块都是轻量级的,可以作为有效的附加块插入任何backbone网络以生成高质量的分割预测。 (iii) 提出了将上述两个基于池化的模块集成到一个架构中的 SPNet,它在基线上取得了显著的改进,并在广泛使用的场景解析基准数据...
过程(SPM模块结构)见下图所示:2.2MixedPoolingModule在实际中Pyramidpoolingmodule(PPM)被证明在分割场景是一种高效的性能增强方式,但是原始的...构建了strippooling操作。这个操作的引入使得网络可以更加高效获取网络大范围感受野下的信息,在这个理念的基础上搭建了使用多个长条池化层构建的新模块StripPoolingModule ...
Strip Pooling 是一种在图像分割任务中使用的池化方法,它通过在水平或垂直方向上应用长条形的池化窗口来捕获长距离上下文信息。以下是如何在 Python 中实现 Strip Pooling 的一个基本示例。由于 Strip Pooling 通常与深度学习框架(如 PyTorch 或 TensorFlow)一起使用,我将基于 PyTorch 提供一个实现示例。 1. 理解 Str...
引入strip pooling,即前面说的long but narrow kernel 在上面的基础上,构造来strip pooling module(SPM),使得该结构在现有的网络结构中能够即插即用 进一步将strip pooling和standard spatial pooling组合,提出mixed pooling module,即综合标准的spatial pooling和strip pooling,以兼顾各种shape的物体的分割 ...