本文介绍: 通俗易懂理解FCN全卷积网络模型
温故而知新,可以为师矣!
一、参考资料
深度学习笔记(二十三)Semantic Segmentation(FCN/U-Net/PSPNet/SegNet/U-Net++/ICNet/DFANet/Fast-SCNN)
二、FCN相关介绍
1. FCN简介
FCN(Fully Convolutional Networks),是利用深度学习进行语义分割的开山之作。FCN将传统的分类网络改造成分割网络:替换全连接层为卷积层,利用转置卷积的上采样获得高分辨率的语义特征图,输出feature map的每一维通道预测一个类别的分割结果。
FCN主要用来做 pixel-wise
的 image segmentation
预测,先用传统的CNN结构得到 feature map
, 再将传统的 full connected
转换成了对应参数的卷积层。比如,传统pool5层的尺寸是7×7×512,fc6的尺寸是4096, full connected weight
是7×7×512×4096;将全连接层转成卷积层,kernel size
为7×7,input channel
为512,output channel
为4096,这就实现了将传统的网络(分别带有卷积层和全连接层)转成了全卷积网络(fully convolutional network, FCN)。简单理解,FCN全卷积网络就是全部都由卷积层构成的网络,没有FC层。
FCN的一个好处是输入图片尺寸可以任意,不受传统网络全连接层尺寸限制,传统的方法还要用类似SPP结构来避免这个问题。FCN中为了得到 pixel-wise
的prediction,也要把 feature map
通过转置卷积转化到像素空间。
2. FCN网络结构
FCN大致网络结构如下:
3. FCN网络结构分解
3.1 FCN32s模型结构
3.2 FCN16s模型结构
3.3 FCN8s模型结构
4. FCN的特征融合(Add)
三、相关经验
(MindSpore)代码实现
(TensorFlow)代码实现
四、参考文献
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。