dense prediction
2024-10-10 13:31:19
Dense prediction
- fully convolutional network for sementic segmentation
先用feature extractor 提特征,然后再使用加入upsample层,得到dense prediction。
这里的‘deconvolution’其实不是真正的反卷积。 作者给出了几种方案, 实际中使用‘transposed convolution’(在matconvnet 中就叫convtranspose),转置卷积只是恢复了其形状,并未对其值进行恢复,这也是为什么将其称为反卷积不合适的原因了
No zero padding,uint stride: 理解为正向卷积padding 为0.转置卷积为full padding
Fractional Strided Convolution:使用大于1的stride(对于正向卷积) 来upsampleing,fractional stride convolution 微步卷积。带洞是为了使转置卷积的步长变为正向卷积的1/i倍。
参考: https://github.com/vdumoulin/conv_arithmetic
转置卷积:
什么是真正的deconvolution?
针对直接upsample的结果不好的情况,使用浅层特征进行辅助。但是对于小的目标依然有检测不到的情况,对于大目标又检测不对。
- accurate image super-resolution using very deep convolutional network
网络中全部使用卷积层,只用了一个尺度。可能对于超分辨还行,因为每个像素只与周围的几个像素有关(其实不太懂)
最新文章
- vue.js第七课
- mysql连接超时与jndi数据源配置
- MVC3/4伪静态 jexus mvc伪静态
- 使用mutt+msmtp在Linux命令行界面下发邮件
- bootstrap-3
- WebForm页面生命周期及asp.net运行机制
- 手机定位原理 - GPS/GLONASS/北斗 + WIFI + 基站
- 9.27 noip模拟试题
- 大数据笔记02:大数据之Hadoop的生态系统和版本
- uva 1595 Symmetry“结构体”
- RSA加密通信小结(四)--RSA加解密的实际操作与流程小结
- [LeetCode] Max Chunks To Make Sorted II 可排序的最大块数之二
- windows常用目录
- c指针作业(第一次)
- Webservices部署在IIS6.0上的一个小问题
- ROS Kinetic Install on Debian 9
- Spring 核心API
- 洛谷P4495 奇怪的背包 [HAOI2018] 数论
- 自动化测试-20.selenium常用JS代码执行
- Ubuntu下的LNMP环境