ENet:A Deep Neural Network Architecture for Real-Time Semantic Segmentation
以 SegNet为基础设计的语义分割模型,在编码阶段使用相同的最大池化索引(max-pooling indices)进行上采样
以 SegNet为基础设计的语义分割模型,在编码阶段使用相同的最大池化索引(max-pooling indices)进行上采样
PSPNet通过在网络中使用金字塔池化模块PPM,一定程度解决语义分割的多尺度问题
和 YOLOv1的思想类似,但是针对6个尺度特征输出目标预测结果
通过网络的跳跃连接实现残差学习 ,使得神经网络可以无需考虑梯度消失或梯度爆炸即可搭建深层网络
SegNet是典型的encoder-decoder语义分割网络,通过反池化进行上采样
DeepLabv2 是在DeepLabv1基础上的优化,主要改进是引入空洞卷积金字塔池化(ASPP)
在FCN的基础上设计解码器,并通过跨连接连接相同分辨率特征
通过空洞卷积扩大感受野,使得分割可以处理大尺寸目标,通过CRF后处理模型输出,使得结果更加合理