没有合适的资源?快使用搜索试试~ 我知道了~
nicelqq#awesome-DeepLearning#51基于PPSeg框架的HRNet_W48_Contrast复现1
需积分: 0 0 下载量 16 浏览量
2022-07-25
14:32:01
上传
评论
收藏 6KB MD 举报
温馨提示
试读
论文简介论文作者提出一种新的、全监督语义分割训练范式,可应用于语义分割的训练中,能够显著提高语义分割的效果。论文在cityscapes验证集上进行实验,HRNe
资源推荐
资源详情
资源评论
# 论文简介
![](https://ai-studio-static-online.cdn.bcebos.com/a7bc44afcfa14e13bcd0ed4045593ad8433aa7a081e74f89b4154ba1fa6d27ae)
论文作者提出一种新的、全监督语义分割训练范式,可应用于语义分割的训练中,能够显著提高语义分割的效果。论文在cityscapes验证集上进行实验,HRNet_W48的mIou为81.0%,本次复现赛要求复现的精度为82.2%,本项目复现结果为82.47%。
## 论文核心思想
作者提出一种新的、全监督语义分割训练范式,利用跨图像的像素-像素之间的关系,来学习一个更好的特征空间。如上图所示,(a)和(b)是训练图片及其对应的标签,传统的语义分割训练时忽略了不同图片之间的上下文信息,而本篇论文提出的跨图像像素对比学习,利用不同图片之间的像素关系,使得特征空间中同种类别的像素相似性变高、不同类别的像素相似度变低(如图d),从而得到一个更好的结构化的特征空间(如图e)。
## 网络结构
![](https://ai-studio-static-online.cdn.bcebos.com/0e7d7d21221f4ed58688cccf39106dc115cb85965cf9448189c686a1ddb1b4bb)
上图为网络结构,fFCN为backbone模块,fSEG为语义分割head模块,从fSEG平行引出fPROJ模块,fPROJ用来进行对比训练,fSEG训练方法与传统方法相同。
## 损失函数
![](https://ai-studio-static-online.cdn.bcebos.com/3dc4076cf08b46d5b74551491068602b6dabc38a8f44463692026cffae4d2d3e)
损失函数如上图,由2部分构成,交叉熵损失和对比损失组成,其中对比损失为本篇论文的核心。
![](https://ai-studio-static-online.cdn.bcebos.com/5b58c4ca0bb24ae1b
点击阅读更多
资源评论
半清斋
- 粉丝: 55
- 资源: 322
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
- student2.py
- 知识图谱可视化javascript库,基于d3.js,面向网页前端知识图谱展示.zip
- ubuntu设置自启动python程序-自启动文件使用说明-仅供参考
- 办公用品管理_20240613_0815.mdy
- ubuntu设置自启动python程序-自启动文件使用说明
- ubuntu设置自启动python程序-自启动文件格式
- 使用PHP+HTML+js实现简单的webKey网页验证方式,支持后台登录、生成、导出key.zip
- 基于bootstrap框架 仿“起飞页”网址.zip
- 利用MATLAB语言实现PID参数的自动整定并设计了GUI界面源码.zip
- Python 实现switch case功能
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