图像语义分割(4)SegNet:深度全卷积编解码结构

论文地址&＃xff1a;
SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation
论文实现&＃xff1a; github代码

1. 概述

1.1 解决的问题

• 图像语义分割中max pooling等Subpooling方法缩小了特征图尺寸&＃xff0c;导致信息丢失
• 图像分割模型的主要结构(编解码)

1.2 提出新方法

• Encoder—Decoder
• 新的上采样方式unpool with indices

1.3 得到的效果

• 精度上与FCN相差不大&＃xff0c;而且Deconv方法效果更好
• 在存储和时间效率上SegNet效果大大改善&＃xff0c;这也对应了SegNet的初衷&＃xff0c;道路物体语义信息理解(自动驾驶)

2.模型关键架构

2.1 Encoder-Decoder架构

  FCN语义分割网络中的编解码结构如下&＃xff1a;

• Encoder&＃xff1a;使用pool操作和卷积操作&＃xff0c;特征图尺寸缩小&＃xff0c;通道数增加 $\to$ SubSample
• Decoder: 使用Deconv特征图尺寸增加$\to$ UpSample
    在SegNet中做了如下改进&＃xff1a;
• Encoder&＃xff1a;VGG网络直接去掉三层全连接层&＃xff0c;模型参数大幅度减小&＃xff0c;模型规模大幅下降。每一次卷积后加依次Batch Normalization。
• Decoder&＃xff1a;每一个Encoder对应一个Decoder并提出新的upSample方式&＃xff0c;unpool with indices

2.2 Unpool 反池化上采样方式

  记录下maxPooling在对应Kerner的坐标&＃xff0c;反池化过程中&＃xff0c;将一个元素根据Kernerl放大&＃xff0c;其他位置元素补0&＃xff0c;如下图所示&＃xff1a;