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
|
3月前
|
存储 监控 JavaScript
基于布隆过滤器的 Node.js 算法在局域网电脑桌面监控设备快速校验中的应用研究
本文探讨了布隆过滤器在局域网电脑桌面监控中的应用,分析其高效空间利用率、快速查询性能及动态扩容优势,并设计了基于MAC地址的校验模型,提供Node.js实现代码,适用于设备准入控制与重复数据过滤场景。
185 0
|
2月前
|
机器学习/深度学习 人工智能 搜索推荐
从零构建短视频推荐系统:双塔算法架构解析与代码实现
短视频推荐看似“读心”,实则依赖双塔推荐系统:用户塔与物品塔分别将行为与内容编码为向量,通过相似度匹配实现精准推送。本文解析其架构原理、技术实现与工程挑战,揭秘抖音等平台如何用AI抓住你的注意力。
594 7
从零构建短视频推荐系统:双塔算法架构解析与代码实现
|
2月前
|
运维 监控 JavaScript
基于 Node.js 图结构的局域网设备拓扑分析算法在局域网内监控软件中的应用研究
本文探讨图结构在局域网监控系统中的应用,通过Node.js实现设备拓扑建模、路径分析与故障定位,提升网络可视化、可追溯性与运维效率,结合模拟实验验证其高效性与准确性。
229 3
|
2月前
|
机器学习/深度学习 资源调度 算法
遗传算法模型深度解析与实战应用
摘要 遗传算法(GA)作为一种受生物进化启发的优化算法,在复杂问题求解中展现出独特优势。本文系统介绍了GA的核心理论、实现细节和应用经验。算法通过模拟自然选择机制,利用选择、交叉、变异三大操作在解空间中进行全局搜索。与梯度下降等传统方法相比,GA不依赖目标函数的连续性或可微性,特别适合处理离散优化、多目标优化等复杂问题。文中详细阐述了染色体编码、适应度函数设计、遗传操作实现等关键技术,并提供了Python代码实现示例。实践表明,GA的成功应用关键在于平衡探索与开发,通过精心调参维持种群多样性同时确保收敛效率
|
2月前
|
机器学习/深度学习 边缘计算 人工智能
粒子群算法模型深度解析与实战应用
蒋星熠Jaxonic是一位深耕智能优化算法领域多年的技术探索者,专注于粒子群优化(PSO)算法的研究与应用。他深入剖析了PSO的数学模型、核心公式及实现方法,并通过大量实践验证了其在神经网络优化、工程设计等复杂问题上的卓越性能。本文全面展示了PSO的理论基础、改进策略与前沿发展方向,为读者提供了一份详尽的技术指南。
粒子群算法模型深度解析与实战应用
|
2月前
|
机器学习/深度学习 算法 安全
小场景大市场:猫狗识别算法在宠物智能设备中的应用
将猫狗识别算法应用于宠物智能设备,是AIoT领域的重要垂直场景。本文从核心技术、应用场景、挑战与趋势四个方面,全面解析这一融合算法、硬件与用户体验的系统工程。
|
1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
|
4月前
|
缓存 Cloud Native Java
Java 面试微服务架构与云原生技术实操内容及核心考点梳理 Java 面试
本内容涵盖Java面试核心技术实操,包括微服务架构(Spring Cloud Alibaba)、响应式编程(WebFlux)、容器化(Docker+K8s)、函数式编程、多级缓存、分库分表、链路追踪(Skywalking)等大厂高频考点,助你系统提升面试能力。
248 0
|
11月前
|
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。

热门文章

最新文章