DL之DeepLabv1:DeepLabv1算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略

简介: DL之DeepLabv1:DeepLabv1算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略

DeepLabv1算法的简介(论文介绍)


     作者意识到FCN算法模型的局限性,因此,通过改进提出了DeepLabv1算法。


ABSTRACT  

      Deep Convolutional Neural Networks (DCNNs) have recently shown state of the  art performance in high level vision tasks, such as image classification and object  detection. This work brings together methods from DCNNs and probabilistic  graphical models for addressing the task of pixel-level classification (also called  ”semantic image segmentation”). We show that responses at the final layer of  DCNNs are not sufficiently localized for accurate object segmentation. This is  due to the very invariance properties that make DCNNs good for high level tasks.  We overcome this poor localization property of deep networks by combining the  responses at the final DCNN layer with a fully connected Conditional Random  Field (CRF). Qualitatively, our “DeepLab” system is able to localize segment  boundaries at a level of accuracy which is beyond previous methods. Quantitatively,  our method sets the new state-of-art at the PASCAL VOC-2012 semantic  image segmentation task, reaching 71.6% IOU accuracy in the test set. We show  how these results can be obtained efficiently: Careful network re-purposing and a  novel application of the ’hole’ algorithm from the wavelet community allow dense  computation of neural net responses at 8 frames per second on a modern GPU.

      深度卷积神经网络(DCNNs)最近在图像分类和目标检测等高级视觉任务中表现出了最先进的性能。这项工作结合了DCNNs和概率图形模型的方法来解决像素级分类(也称为“语义图像分割”)的任务。结果表明,对于精确的目标分割,DCNNs最后一层的响应没有得到足够的局部化。这是由于非常不变性的性质,使DCNNs适合高级任务。通过将DCNN最后一层的响应与完全连接的条件随机场(CRF)相结合,克服了深度网络的这种较差的定位特性。定性地说,我们的“DeepLab”系统能够以超出以往方法的精度水平定位段边界。量化地来说,我们的方法集新技术发展水平在PASCAL VOC-2012 语义图像分割任务,测试集的准确性达到71.6%的IOU。我们展示了可有效地获得这些结果:仔细的网络重新设计和一个新的应用小波社区的“孔”算法允许在现代GPU上以每秒8帧的速度密集计算神经网络响应。

DISCUSSION  

      Our work combines ideas from deep convolutional neural networks and fully-connected conditional  random fields, yielding a novel method able to produce semantically accurate predictions and detailed  segmentation maps, while being computationally efficient. Our experimental results show that  the proposed method significantly advances the state-of-art in the challenging PASCAL VOC 2012  semantic image segmentation task.  There are multiple aspects in our model that we intend to refine, such as fully integrating its two  main components (CNN and CRF) and train the whole system in an end-to-end fashion, similar to  Krahenb ¨ uhl & Koltun (2013); Chen et al. (2014); Zheng et al. (2015). We also plan to experiment ¨  with more datasets and apply our method to other sources of data such as depth maps or videos. Recently,  we have pursued model training with weakly supervised annotations, in the form of bounding  boxes or image-level labels (Papandreou et al., 2015).  At a higher level, our work lies in the intersection of convolutional neural networks and probabilistic  graphical models. We plan to further investigate the interplay of these two powerful classes of  methods and explore their synergistic potential for solving challenging computer vision tasks.

      我们的工作结合了深卷积神经网络和全连通条件随机场的思想,提出了一种新的方法,能够产生语义准确的预测和详细的分割地图,同时计算效率高。实验结果表明,该方法显著提高了PASCAL VOC 2012语义图像分割的水平。我们的模型中有很多方面是我们想要完善的,比如充分集成其两个主要组件(CNN和CRF),以端到端的方式训练整个系统,类似于Krahenb¨uhl & Koltun (2013);Chen等(2014);郑等(2015)。我们还计划用更多的数据集进行实验,并将我们的方法应用于其他数据源,如深度地图或视频。最近,我们以边界框或图像级标签的形式,采用弱监督注解进行模型训练(Papandreou et al., 2015)。在更高层次上,我们的工作是卷积神经网络和概率图形模型的交叉。我们计划进一步研究这两种功能强大的方法之间的相互作用,并探索它们在解决具有挑战性的计算机视觉任务方面的协同潜力。




论文

Liang-ChiehChen, George Papandreou, IasonasKokkinos, Kevin Murphy, Alan L. Yuille.

Semantic Image Segmentation with Deep Convolutional Nets and Fully Connected CRFs, ICCV, 2015.

https://arxiv.org/abs/1412.7062


0、实验结果


1、在Titan GPU 上运行速度达到了8FPS,全连接CRF 平均推断需要0.5s


image.png


2、与最先进的模型在valset的比较


Comparisons with state-of-the-art models on the valset


image.png


First row: images. 第一行:图像

Second row: ground truths. 第二行:基本真理

Third row: other recent models (Left: FCN-8s, Right: TTI-Zoomout-16).其他最新型模型(左:FCN-8s,右:TTI-Zoomout-16)

Fourth row: our DeepLab-CRF.  我们的Deeplab CRF


3、VOC 2012 VAL可视化结果


Visualization results on VOC 2012-val

image.png



     For each row, we show the input image, the segmentation result delivered by the DCNN (DeepLab), and the refined segmentation result of the Fully Connected CRF (DeepLab-CRF).对于每一行,我们显示输入图像,DCNN (DeepLab)提供的分割结果,以及完全连接的CRF (DeepLab-CRF)的细化分割结果。


failure modes 失败的模型


image.png





1、FCN局限性及其改进


1、FCN局限性分析


池化层可增大神经元的感受野,提高分类精度,但导致特征图分辨率降低

倍率过大的上采样导致FCN的分割边界模糊

2、改进FCN


–仍以VGG-16为基础

–删去部分池化层(感受野变小)

–利用预训练的VGG-16在新网络上进行网络微调

–用带孔卷积(膨胀卷积)替换传统卷积(增大感受野,同时提升特征图的分辨率)

–利用全连接条件随机场提升分割边界的精度

–利用多尺度特征



DeepLabv1算法的架构详解


更新……








DeepLabv1算法的案例应用


更新……



 


相关文章
|
8月前
|
人工智能 JavaScript 前端开发
GenSX (不一样的AI应用框架)架构学习指南
GenSX 是一个基于 TypeScript 的函数式 AI 工作流框架,以“函数组合替代图编排”为核心理念。它通过纯函数组件、自动追踪与断点恢复等特性,让开发者用自然代码构建可追溯、易测试的 LLM 应用。支持多模型集成与插件化扩展,兼具灵活性与工程化优势。
683 6
|
9月前
|
人工智能 Cloud Native 中间件
划重点|云栖大会「AI 原生应用架构论坛」看点梳理
本场论坛将系统性阐述 AI 原生应用架构的新范式、演进趋势与技术突破,并分享来自真实生产环境下的一线实践经验与思考。
|
9月前
|
机器学习/深度学习 人工智能 vr&ar
H4H:面向AR/VR应用的NPU-CIM异构系统混合卷积-Transformer架构搜索——论文阅读
H4H是一种面向AR/VR应用的混合卷积-Transformer架构,基于NPU-CIM异构系统,通过神经架构搜索实现高效模型设计。该架构结合卷积神经网络(CNN)的局部特征提取与视觉Transformer(ViT)的全局信息处理能力,提升模型性能与效率。通过两阶段增量训练策略,缓解混合模型训练中的梯度冲突问题,并利用异构计算资源优化推理延迟与能耗。实验表明,H4H在相同准确率下显著降低延迟和功耗,为AR/VR设备上的边缘AI推理提供了高效解决方案。
1494 0
|
8月前
|
机器学习/深度学习 自然语言处理 算法
48_动态架构模型:NAS在LLM中的应用
大型语言模型(LLM)在自然语言处理领域的突破性进展,很大程度上归功于其庞大的参数量和复杂的网络架构。然而,随着模型规模的不断增长,计算资源消耗、推理延迟和部署成本等问题日益凸显。如何在保持模型性能的同时,优化模型架构以提高效率,成为2025年大模型研究的核心方向之一。神经架构搜索(Neural Architecture Search, NAS)作为一种自动化的网络设计方法,正在为这一挑战提供创新性解决方案。本文将深入探讨NAS技术如何应用于LLM的架构优化,特别是在层数与维度调整方面的最新进展,并通过代码实现展示简单的NAS实验。
394 0
|
10月前
|
Web App开发 Linux 虚拟化
Omnissa Horizon 8 2506 (8.16) - 虚拟桌面基础架构 (VDI) 和应用软件
Omnissa Horizon 8 2506 (8.16) - 虚拟桌面基础架构 (VDI) 和应用软件
509 0
Omnissa Horizon 8 2506 (8.16) - 虚拟桌面基础架构 (VDI) 和应用软件
|
8月前
|
Cloud Native Serverless API
微服务架构实战指南:从单体应用到云原生的蜕变之路
🌟蒋星熠Jaxonic,代码为舟的星际旅人。深耕微服务架构,擅以DDD拆分服务、构建高可用通信与治理体系。分享从单体到云原生的实战经验,探索技术演进的无限可能。
微服务架构实战指南:从单体应用到云原生的蜕变之路
|
弹性计算 API 持续交付
后端服务架构的微服务化转型
本文旨在探讨后端服务从单体架构向微服务架构转型的过程,分析微服务架构的优势和面临的挑战。文章首先介绍单体架构的局限性,然后详细阐述微服务架构的核心概念及其在现代软件开发中的应用。通过对比两种架构,指出微服务化转型的必要性和实施策略。最后,讨论了微服务架构实施过程中可能遇到的问题及解决方案。
|
Cloud Native Devops 云计算
云计算的未来:云原生架构与微服务的革命####
【10月更文挑战第21天】 随着企业数字化转型的加速,云原生技术正迅速成为IT行业的新宠。本文深入探讨了云原生架构的核心理念、关键技术如容器化和微服务的优势,以及如何通过这些技术实现高效、灵活且可扩展的现代应用开发。我们将揭示云原生如何重塑软件开发流程,提升业务敏捷性,并探索其对企业IT架构的深远影响。 ####
486 3
|
Java 开发者 微服务
从单体到微服务:如何借助 Spring Cloud 实现架构转型
**Spring Cloud** 是一套基于 Spring 框架的**微服务架构解决方案**,它提供了一系列的工具和组件,帮助开发者快速构建分布式系统,尤其是微服务架构。
2668 70
从单体到微服务:如何借助 Spring Cloud 实现架构转型