FCN语义分割课件.pptxVIP

Fully Convolutional Networks for Semantic Segmentation 汇报人：戴非凡 2018/6/20 ·什么是语义分割 ·CNN与FCN ·全连接——全卷积 ·上采样与损失 ·跳跃结构 什么是语义分割？ 语义分割是计算机视觉中的基本任务，在语义分割中我们需要将视觉输入分为不同的语义可解释类别，「语义的可解释性」即分类类别在真实世界中是有意义的。例如，我们可能需要区分图像中属于汽车的所有像素，并把这些像素涂成蓝色。 CNN能对图片进行分类，可是怎么样才能识别图片中特定部分的物体——FCN 1、FCN能接受任意尺寸的输入图像；（AlexNet，LeNet） 2、将全连接层改为全卷积层，保留原始输入图像中的空间信息，输出heatmap； 3、对每个像素而言，逐像素求其在所有heatmap上该像素位置的最大数值分类； 4、反卷积（Deconvolution） 5、提出了跳跃结构，将来自较深较粗糙层的语义信息与较浅层精细的外观信息相结合。 VGG16 通常CNN网络在卷积层之后会接上若干个全连接层, 将卷积层产生的特征图(feature map)映射成一个固定长度的特征向量。以AlexNet为代表的经典CNN结构适合于图像级的分类和回归任务，因为它们最后都期望得到整个输入图像的一个数值描述（概率），比如AlexNet的ImageNet模型