用卷积滤波器matlab代码-holedConv:MatConvNet中用于语义分割的钻Kong卷积层

用卷积滤波器matlab代码[MatConvNet]中的钻Kong卷积层（） 这是MatConvNet中“空洞”算法的粗略实现，该算法在[使用深度卷积网络和完全连接的CRF的语义图像分割]（）中进行了描述。 唯一实现的部分是“空洞”算法，此后无需任何CRF。 请注意，原始作者的完整（且效率更高）的实现在[DeepLab]（）站点上可用，并且此实现与他们无关。 与Caffe（C ++）中的原始实现不同，该实现在MATLAB中并基于底层MatConvNet卷积代码。 因此，这是一个非常简单且高级的代码，尽管速度稍慢，但可以使用其受尊敬的卷积代码轻松地移植到任何其他深度学习库中，例如Theano，Torch等。 它也可以适用于使用大型过滤器的常规卷积（无“空洞”），而这些过滤器无法一次放入GPU内存中。 在我们拥有的一些小型数据集上，FCN-32和FCN-8都比[用于语义分割的全卷积网络]（）更好。 但是，在对PASCAL VOC 2011验证进行培训和测试时，使用[MatConvNet-FCN]（），我们得到的结果比FCN-8差一些。 模型 测试数据 平均欠条 平均像素准确性 像素精度 F