没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
名称 发布 主要贡献
backbone
论文
deeplab v1 ICLR 2015
提出空洞卷积
引入条件随机
场
VGG16 Semantic Image Segmentation with
Deep Convolutional Nets and Fully
Connected CRFs
deeplab v2 CVPR 2016
引入空间金字
塔池化
( ASPP )
ResNet101 DeepLab: Semantic Image Segmentation
with Deep Convolutional Nets, Atrous
Convolution,and Fully Connected CRFs
deeplab v3 CVPR 2017
改进 ASPP
ResNet101 Rethinking Atrous Convolution for
Semantic Image Segmentation
deeplab v3+ ECCV 2018 encoder-
decoder 结构
改进后的
xception
Encoder-Decoder with Atrous Separable
Convolution for Semantic Image
Segmentation
Semantic Image Segmentation with Deep Convolutional Nets and
Fully Connected CRFs
网络结
构
的两个技术障碍:
) 的池化以及下采样带来分辨率下降,丢失掉很多细节信息
中使用空洞卷积增大感受野,获取尽可能多的上下文信息;
)分类器的空间变换不变性限制了 的定位精度
用完全连接的条件随机场 提高模型捕获细节的能力。
的特点:
)快速,由于空洞卷积的好处使得模型的帧率为 ,然而使用 方法
全连接 需要 !"# ;
)精度,文章提出的新方法在 $% 数据集上的性能超过第二名 &"' ;
( )网络简洁,文中的方法将 与 结合去获得最后的分割结果;
剩余26页未读,继续阅读
资源评论
纳豆哥哥
- 粉丝: 15
- 资源: 2
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功