-
NTU课程笔记：DeepLab
1 DeepLab v1
Semantic Image Segmentation with Deep Convolutional Nets and Fully Connected CRFs
1.1 CRF
1.1.0限制图像光滑度
有几种不同的方法来限制图像的光滑度：
- 对每个像素点，将邻居点的平均值作为更新后的“光滑值”
- 对每个像素点，将邻居点的加权平均值作为更新后的“光滑值”（权重取决于颜色、位置等）
- 添加光滑过滤器（可以进行多次过滤）：双线性过滤、高斯过滤。。
- 使用CRF（条件随机场）
- 在训练过程中加入光滑损失函数
1.1.1 DenseCRF
Efficient Inference in Fully Connected CRFs with Gaussian Edge Potentials, NIPS 2011
- 首先建一张图
- 每一个像素/一块区域 对应了一个节点
- 至于边的话，如果是grid graph，那么只把相邻的两个点链接起来；如果是全连接图，那就是每个点连接起来
然后每个点有自己的属性特征/函数；点与点之间有它的属性特征，CRF对他们分别建模
不过，随着后续CV模型的精进，可能每个点的feature已经可以很光滑、可以表现出很好的能力了，所以后续模型使用CRF的就不太多了
2 DeepLab V2
引入空洞池化
-
相关阅读:
Vscode启动uniapp项目报错
（历史上最详细的网络）华为初级网络工程师知识点总结（二）工作考研均受益
子组件跳转父组件
Material Design控件 之 CardView
JSON&redis
Java基础面经1
如何设计一个优惠券系统
PNA/RNA/DNA修饰方法研究进展
【黄啊码】PHP如何防止重复提交
网络安全（黑客）自学笔记
- 原文地址：https://blog.csdn.net/qq_40206371/article/details/126586924