最便宜的货源网站大全,2级a做爰片免费网站,湖南网站制作哪家专业,宝塔无法安装wordpress全卷积神经网络FCN整体概述 FCN是首个端对端针对像素级预测的全卷积网络。FCN会用到分类网络作为backbone FCN的网络结构类比分类网络 分类网络经过卷积操作后#xff0c;接全连接层#xff0c;最后一个全连接层输出长度与分类类别数量相同#xff0c;最后经过softmax得到术…全卷积神经网络FCN整体概述 FCN是首个端对端针对像素级预测的全卷积网络。FCN会用到分类网络作为backbone FCN的网络结构类比分类网络 分类网络经过卷积操作后接全连接层最后一个全连接层输出长度与分类类别数量相同最后经过softmax得到术语每个类别的概率。 对于FCN网络特征提取会用到分类网络作为backbone。类比分类网络FCN-s32经过一系列卷积操作下采样获取特征层卷积最终输出特征层与语义分割类别数num_cls相等包含背景再通过convTranspose反卷积上采样得到与原图相同大小的特征图通道数与num_cls相等。特征图上的每一个像素点在channel维度上对应channel个值进过softmax得到每一个像素点在所有类别上的概率值取概率最大值作为该像素点的预测类别。 FCN网络结构 以VGG16为FCN的backbne VGG16网络结构如下图所示 FCN-8s和FCN-16s使用到第3个max pooling和第四个max pooling特征层分别对应原始图片宽高的1/8和1/16 理解FCN-8s最后特征层经过8倍上采样 FCN-16s最后特征层经过16倍上采样 FCN-32S网络结构 图片来自 https://www.bilibili.com/video/BV1J3411C7zd/?spm_id_from333.788vd_source91cfed371d5491e2973d221d250b54ae* 如上图所示在backbone特征提取模块使用是VGG16模型中全连接网络之前的所有卷积模块FC6表示连接一个7×7卷积、激活函数和dropout特征层大小不变 FC7表示连接一个1×1卷积、激活函数和dropout特征层大小不变 再经过一个1×1卷积不改变特征层大小将channel数量转换为与num_cls相同 经过反卷积上采样将特征图上采样32倍得到与原始图片相同大小的特征层 (如果训练过称重反卷积参数冻结等于对特征图做双线性插值处理) 得到语义分割结果 FCN-16S网络结构 图片来自 https://www.bilibili.com/video/BV1J3411C7zd/?spm_id_from333.788vd_source91cfed371d5491e2973d221d250b54ae* FCN-16s在反卷积结果中融合了backbone中的特征层。 使用VGG16第四个池化后的特征层原始图像宽高1/16进过一次1×1卷积将channel数转化为num_cls 与两倍上采样后的卷积结果相加特诊层对应位置像素值相加操作 融合后的结果进行反卷积16倍上采样 输出特征层得到语义分割结果。 FCN-8S网络结构 FCN-8s在反卷积结果中融合了backbone中的特征层。 使用VGG16第四个池化后的特征层原始图像宽高1/16进行一次1×1卷积将channel数转化为num_cls 与两倍上采样后的卷积结果相加特征层对应位置像素值相加操作 将结果再次两倍上采样再与VGG16第三个池化后的特征层原始图像宽高1/8进行一次1×1卷积将chnnel数量转化为num_cls相加特征层对应位置像素值相加操作 融合后的结果进行反卷积8倍上采样 输出特征层得到语义分割结果。 以上为全卷积神经网络FCN网络结构笔记 感谢 https://www.bilibili.com/video/BV1J3411C7zd/?spm_id_from333.788vd_source91cfed371d5491e2973d221d250b54ae