主頁 >  其他 > DeepLabV2網路簡析

DeepLabV2網路簡析

2021-12-09 10:14:40 其他

論文名稱:Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs
論文下載地址:https://arxiv.org/abs/1606.00915
論文對應開源專案:http://liangchiehchen.com/projects/DeepLab.html

視頻講解:https://www.bilibili.com/video/BV1gP4y1G7TC

在這里插入圖片描述


文章目錄

  • DCNNs應用在語意分割任務中問題
  • 文中對應的解決辦法
  • DeepLab V2的優勢
  • ASPP(atrous spatial pyramid pooling)
  • DeepLab V2網路結構
  • Learning rate policy
  • 消融實驗


這是一篇2016年發布在CVPR上的文章,接著上一篇DeepLab V1網路簡介,本文對DeepLab V2網路進行簡單介紹,個人感覺相對DeepLab V1,DeepLab V2就是換了個backbone(VGG -> ResNet,簡單換個backbone就能漲大概3個點)然后引入了一個新的模塊ASPP(Atros Spatial Pyramid Pooling),其他的沒太大區別,


DCNNs應用在語意分割任務中問題

和上篇文章一樣,在文章的引言部分作者提出了DCNNs應用在語意分割任務中遇到的問題,

  • 解析度被降低(主要由于下采樣stride>1的層導致)
  • 目標的多尺度問題
  • DCNNs的不變性(invariance)會降低定位精度

文中對應的解決辦法

  • 針對解析度被降低的問題,一般就是將最后的幾個Maxpooling層的stride給設定成1(如果是通過卷積下采樣的,比如resnet,同樣將stride設定成1即可),然后在配合使用膨脹卷積,

In order to overcome this hurdle and efficiently produce denser feature maps, we remove the downsampling operator from the last few max pooling layers of DCNNs and instead upsample the filters in subsequent convolutional layers, resulting in feature maps computed at a higher sampling rate. Filter upsampling amounts to inserting holes (‘trous’ in French) between nonzero filter taps.

  • 針對目標多尺度的問題,最容易想到的就是將影像縮放到多個尺度分別通過網路進行推理,最后將多個結果進行融合即可,這樣做雖然有用但是計算量太大了,為了解決這個問題,DeepLab V2 中提出了ASPP模塊(atrous spatial pyramid pooling),具體結構后面會講,

A standard way to deal with this is to present to the DCNN rescaled versions of the same image and then aggregate the feature or score maps. We show that this approach indeed increases the performance of our system, but comes at the cost of computing feature responses at all DCNN layers for multiple scaled versions of the input image. Instead, motivated by spatial pyramid pooling, we propose a computationally efficient scheme of resampling a given feature layer at multiple rates prior to convolution. This amounts to probing the original image with multiple filters that have complementary effective fields of view, thus capturing objects as well as useful image context at multiple scales. Rather than actually resampling features, we efficiently implement this mapping using multiple parallel atrous convolutional layers with different sampling rates; we call the proposed technique “atrous spatial pyramid pooling” (ASPP).

  • 針對DCNNs不變性導致定位精度降低的問題,和DeepLab V1差不多還是通過CRFs解決,不過這里用的是fully connected pairwise CRF,相比V1里的fully connected CRF要更高效點,在DeepLab V2中CRF漲點就沒有DeepLab V1猛了,在DeepLab V1中大概能提升4個點,在DeepLab V2中通過Table4可以看到大概只能提升1個多點了,

Our work explores an alternative approach which we show to be highly effective. In particular, we boost our model’s ability to capture fine details by employing a fully-connected Conditional Random Field (CRF) [22]. CRFs have been broadly used in semantic segmentation to combine class scores computed by multi-way classifiers with the low-level information captured by the local interactions of pixels and edges [23], [24] or superpixels [25]. Even though works of increased sophistication have been proposed to model the hierarchical dependency [26], [27], [28] and/or high-order dependencies of segments [29], [30], [31], [32], [33], we use the fully connected pairwise CRF proposed by [22] for its efficient computation, and ability to capture fine edge details while also catering for long range dependencies.


DeepLab V2的優勢

和DeepLab V1中寫的一樣:

  • 速度更快
  • 準確率更高(當時的state-of-art
  • 模型結構簡單,還是DCNNs和CRFs聯級

From a practical standpoint, the three main advantages of our DeepLab system are: (1) Speed: by virtue of atrous convolution, our dense DCNN operates at 8 FPS on an NVidia Titan X GPU, while Mean Field Inference for the fully-connected CRF requires 0.5 secs on a CPU. (2) Accuracy: we obtain state-of-art results on several challenging datasets, including the PASCAL VOC 2012 semantic segmentation benchmark [34], PASCAL-Context [35], PASCAL-Person-Part [36], and Cityscapes [37]. (3) Simplicity: our system is composed of a cascade of two very well-established modules, DCNNs and CRFs.


ASPP(atrous spatial pyramid pooling)

個人覺得在DeepLab V2中值得講的就這個ASPP模塊了,其他的都算不上啥亮點,這個ASPP模塊給我感覺就像是DeepLab V1中LargeFOV的升級版(加入了多尺度的特性),下圖是原論文中介紹ASPP的示意圖,就是在backbone輸出的Feature Map上并聯四個分支,每個分支的第一層都是使用的膨脹卷積,但不同的分支使用的膨脹系數不同(即每個分支的感受野不同,從而具有解決目標多尺度的問題),

在這里插入圖片描述
下圖(b)有畫出更加詳細的ASPP結構(這里是針對VGG網路為例的),將Pool5輸出的特征層(這里以VGG為例)并聯4個分支,每個分支分別通過一個3x3的膨脹卷積層,1x1的卷積層,1x1的卷積層(卷積核的個數等于num_classes),最后將四個分支的結果進行Add融合即可, 如果是以ResNet101做為Backbone的話,每個分支只有一個3x3的膨脹卷積層,卷積核的個數等于num_classes(看原始碼分析得到的),

在這里插入圖片描述
在論文中有給出兩個ASPP的配置,ASPP-S(四個分支膨脹系數分別為2,4,8,12)和ASPP-L(四個分支膨脹系數分別為6,12,18,24),下表是對比LargeFOVASPP-S以及ASPP-L的效果,這里只看CRF之前的(before CRF)對比,ASPP-L優于ASPP-S優于LargeFOV

在這里插入圖片描述


DeepLab V2網路結構

這里以ResNet101作為backbone為例,下圖是根據官方原始碼繪制的網路結構(這里不考慮MSC即多尺度),在ResNet的Layer3中的Bottleneck1中原本是需要下采樣的(3x3的卷積層stride=2),但在DeepLab V2中將stride設定為1,即不在進行下采樣,而且3x3卷積層全部采用膨脹卷積膨脹系數為2,在Layer4中也是一樣,取消了下采樣,所有的3x3卷積層全部采用膨脹卷積膨脹系數為4,最后需要注意的是ASPP模塊,在以ResNet101做為Backbone時,每個分支只有一個3x3的膨脹卷積層,且卷積核的個數都等于num_classes

在這里插入圖片描述


Learning rate policy

在DeepLab V2中訓練時采用的學習率策略叫poly,相比普通的step策略(即每間隔一定步數就降低一次學習率)效果要更好,文中說最高提升了3.63個點,真是煉丹大師,poly學習率變化策略公式如下:
l r × ( 1 ? i t e r m a x _ i t e r ) p o w e r lr \times (1 - \frac{iter}{max\_iter})^{power} lr×(1?max_iteriter?)power
其中 l r lr lr為初始學習率, i t e r iter iter為當前迭代的step數, m a x _ i t e r max\_iter max_iter為訓練程序中總的迭代步數,關于煉丹對比,見原文TABLE2:

在這里插入圖片描述


消融實驗

下表是原論文中給出的一些消融實驗對比:

在這里插入圖片描述其中:

  • MSC表示多尺度輸入,即先將影像縮放到0.5、0.7和1.0三個尺度,然后分別送入網路預測得到score maps,最后融合這三個score maps(對每個位置取三個score maps的最大值),

Multi-scale inputs: We separately feed to the DCNN images at scale = { 0.5, 0.75, 1 } , fusing their score maps by taking the maximum response across scales for each position separately.

  • COCO就代表在COCO資料集上進行預訓練

Models pretrained on MS-COCO.

  • Aug代表資料增強,這里就是對輸入的圖片在0.5到1.5之間隨機縮放,

Data augmentation by randomly scaling the input images (from 0.5 to 1.5) during training.

  • LargeFOV是在DeepLab V1中講到過的結構,
  • ASPP前面講過了
  • CRF前面也提到過了

每個方法帶來的增益看原論文表述,這里不太敘述:

we evaluate how each of these factors, along with LargeFOV and atrous spatial pyramid pooling (ASPP), affects val set performance. Adopting ResNet-101 instead of VGG-16 significantly improves DeepLab performance (e.g., our simplest ResNet-101 based model attains 68.72%, compared to 65.76% of our DeepLab-LargeFOV VGG-16 based variant, both before CRF). Multiscale fusion [17] brings extra 2.55% improvement, while pretraining the model on MS-COCO gives another 2.01% gain. Data augmentation during training is effective (about 1.6% improvement). Employing LargeFOV (adding an atrous convolutional layer on top of ResNet, with 3×3 kernel and rate = 12) is beneficial (about 0.6% improvement). Further 0.8% improvement is achieved by atrous spatial pyramid pooling(ASPP). Post-processing our best model by dense CRF yields performance of 77.69%.

轉載請註明出處,本文鏈接:https://www.uj5u.com/qita/377236.html

標籤:其他

上一篇:R-CNN,Fast R-CNN,Faster R-CNN 演算法分析比較與總結

下一篇:基于人臉識別和影像分割技術制作證件照

標籤雲
其他(157675) Python(38076) JavaScript(25376) Java(17977) C(15215) 區塊鏈(8255) C#(7972) AI(7469) 爪哇(7425) MySQL(7132) html(6777) 基礎類(6313) sql(6102) 熊猫(6058) PHP(5869) 数组(5741) R(5409) Linux(5327) 反应(5209) 腳本語言(PerlPython)(5129) 非技術區(4971) Android(4554) 数据框(4311) css(4259) 节点.js(4032) C語言(3288) json(3245) 列表(3129) 扑(3119) C++語言(3117) 安卓(2998) 打字稿(2995) VBA(2789) Java相關(2746) 疑難問題(2699) 细绳(2522) 單片機工控(2479) iOS(2429) ASP.NET(2402) MongoDB(2323) 麻木的(2285) 正则表达式(2254) 字典(2211) 循环(2198) 迅速(2185) 擅长(2169) 镖(2155) 功能(1967) .NET技术(1958) Web開發(1951) python-3.x(1918) HtmlCss(1915) 弹簧靴(1913) C++(1909) xml(1889) PostgreSQL(1872) .NETCore(1853) 谷歌表格(1846) Unity3D(1843) for循环(1842)

熱門瀏覽
  • 網閘典型架構簡述

    網閘架構一般分為兩種:三主機的三系統架構網閘和雙主機的2+1架構網閘。 三主機架構分別為內端機、外端機和仲裁機。三機無論從軟體和硬體上均各自獨立。首先從硬體上來看,三機都用各自獨立的主板、記憶體及存盤設備。從軟體上來看,三機有各自獨立的作業系統。這樣能達到完全的三機獨立。對于“2+1”系統,“2”分為 ......

    uj5u.com 2020-09-10 02:00:44 more
  • 如何從xshell上傳檔案到centos linux虛擬機里

    如何從xshell上傳檔案到centos linux虛擬機里及:虛擬機CentOs下執行 yum -y install lrzsz命令,出現錯誤:鏡像無法找到軟體包 前言 一、安裝lrzsz步驟 二、上傳檔案 三、遇到的問題及解決方案 總結 前言 提示:其實很簡單,往虛擬機上安裝一個上傳檔案的工具 ......

    uj5u.com 2020-09-10 02:00:47 more
  • 一、SQLMAP入門

    一、SQLMAP入門 1、判斷是否存在注入 sqlmap.py -u 網址/id=1 id=1不可缺少。當注入點后面的引數大于兩個時。需要加雙引號, sqlmap.py -u "網址/id=1&uid=1" 2、判斷文本中的請求是否存在注入 從文本中加載http請求,SQLMAP可以從一個文本檔案中 ......

    uj5u.com 2020-09-10 02:00:50 more
  • Metasploit 簡單使用教程

    metasploit 簡單使用教程 浩先生, 2020-08-28 16:18:25 分類專欄: kail 網路安全 linux 文章標簽: linux資訊安全 編輯 著作權 metasploit 使用教程 前言 一、Metasploit是什么? 二、準備作業 三、具體步驟 前言 Msfconsole ......

    uj5u.com 2020-09-10 02:00:53 more
  • 游戲逆向之驅動層與用戶層通訊

    驅動層代碼: #pragma once #include <ntifs.h> #define add_code CTL_CODE(FILE_DEVICE_UNKNOWN,0x800,METHOD_BUFFERED,FILE_ANY_ACCESS) /* 更多游戲逆向視頻www.yxfzedu.com ......

    uj5u.com 2020-09-10 02:00:56 more
  • 北斗電力時鐘(北斗授時服務器)讓網路資料更精準

    北斗電力時鐘(北斗授時服務器)讓網路資料更精準 北斗電力時鐘(北斗授時服務器)讓網路資料更精準 京準電子科技官微——ahjzsz 近幾年,資訊技術的得了快速發展,互聯網在逐漸普及,其在人們生活和生產中都得到了廣泛應用,并且取得了不錯的應用效果。計算機網路資訊在電力系統中的應用,一方面使電力系統的運行 ......

    uj5u.com 2020-09-10 02:01:03 more
  • 【CTF】CTFHub 技能樹 彩蛋 writeup

    ?碎碎念 CTFHub:https://www.ctfhub.com/ 筆者入門CTF時時剛開始刷的是bugku的舊平臺,后來才有了CTFHub。 感覺不論是網頁UI設計,還是題目質量,賽事跟蹤,工具軟體都做得很不錯。 而且因為獨到的金幣制度的確讓人有一種想去刷題賺金幣的感覺。 個人還是非常喜歡這個 ......

    uj5u.com 2020-09-10 02:04:05 more
  • 02windows基礎操作

    我學到了一下幾點 Windows系統目錄結構與滲透的作用 常見Windows的服務詳解 Windows埠詳解 常用的Windows注冊表詳解 hacker DOS命令詳解(net user / type /md /rd/ dir /cd /net use copy、批處理 等) 利用dos命令制作 ......

    uj5u.com 2020-09-10 02:04:18 more
  • 03.Linux基礎操作

    我學到了以下幾點 01Linux系統介紹02系統安裝,密碼啊破解03Linux常用命令04LAMP 01LINUX windows: win03 8 12 16 19 配置不繁瑣 Linux:redhat,centos(紅帽社區版),Ubuntu server,suse unix:金融機構,證券,銀 ......

    uj5u.com 2020-09-10 02:04:30 more
  • 05HTML

    01HTML介紹 02頭部標簽講解03基礎標簽講解04表單標簽講解 HTML前段語言 js1.了解代碼2.根據代碼 懂得挖掘漏洞 (POST注入/XSS漏洞上傳)3.黑帽seo 白帽seo 客戶網站被黑帽植入劫持代碼如何處理4.熟悉html表單 <html><head><title>TDK標題,描述 ......

    uj5u.com 2020-09-10 02:04:36 more
最新发布
  • 2023年最新微信小程式抓包教程

    01 開門見山 隔一個月發一篇文章,不過分。 首先回顧一下《微信系結手機號資料庫被脫庫事件》,我也是第一時間得知了這個訊息,然后跟蹤了整件事情的經過。下面是這起事件的相關截圖以及近日流出的一萬條資料樣本: 個人認為這件事也沒什么,還不如關注一下之前45億快遞資料查詢渠道疑似在近日復活的訊息。 訊息是 ......

    uj5u.com 2023-04-20 08:48:24 more
  • web3 產品介紹:metamask 錢包 使用最多的瀏覽器插件錢包

    Metamask錢包是一種基于區塊鏈技術的數字貨幣錢包,它允許用戶在安全、便捷的環境下管理自己的加密資產。Metamask錢包是以太坊生態系統中最流行的錢包之一,它具有易于使用、安全性高和功能強大等優點。 本文將詳細介紹Metamask錢包的功能和使用方法。 一、 Metamask錢包的功能 數字資 ......

    uj5u.com 2023-04-20 08:47:46 more
  • vulnhub_Earth

    前言 靶機地址->>>vulnhub_Earth 攻擊機ip:192.168.20.121 靶機ip:192.168.20.122 參考文章 https://www.cnblogs.com/Jing-X/archive/2022/04/03/16097695.html https://www.cnb ......

    uj5u.com 2023-04-20 07:46:20 more
  • 從4k到42k,軟體測驗工程師的漲薪史,給我看哭了

    清明節一過,盲猜大家已經無心上班,在數著日子準備過五一,但一想到銀行卡里的余額……瞬間心情就不美麗了。最近,2023年高校畢業生就業調查顯示,本科畢業月平均起薪為5825元。調查一出,便有很多同學表示自己又被平均了。看著這一資料,不免讓人想到前不久中國青年報的一項調查:近六成大學生認為畢業10年內會 ......

    uj5u.com 2023-04-20 07:44:00 more
  • 最新版本 Stable Diffusion 開源 AI 繪畫工具之中文自動提詞篇

    🎈 標簽生成器 由于輸入正向提示詞 prompt 和反向提示詞 negative prompt 都是使用英文,所以對學習母語的我們非常不友好 使用網址:https://tinygeeker.github.io/p/ai-prompt-generator 這個網址是為了讓大家在使用 AI 繪畫的時候 ......

    uj5u.com 2023-04-20 07:43:36 more
  • 漫談前端自動化測驗演進之路及測驗工具分析

    隨著前端技術的不斷發展和應用程式的日益復雜,前端自動化測驗也在不斷演進。隨著 Web 應用程式變得越來越復雜,自動化測驗的需求也越來越高。如今,自動化測驗已經成為 Web 應用程式開發程序中不可或缺的一部分,它們可以幫助開發人員更快地發現和修復錯誤,提高應用程式的性能和可靠性。 ......

    uj5u.com 2023-04-20 07:43:16 more
  • CANN開發實踐:4個DVPP記憶體問題的典型案例解讀

    摘要:由于DVPP媒體資料處理功能對存放輸入、輸出資料的記憶體有更高的要求(例如,記憶體首地址128位元組對齊),因此需呼叫專用的記憶體申請介面,那么本期就分享幾個關于DVPP記憶體問題的典型案例,并給出原因分析及解決方法。 本文分享自華為云社區《FAQ_DVPP記憶體問題案例》,作者:昇騰CANN。 DVPP ......

    uj5u.com 2023-04-20 07:43:03 more
  • msf學習

    msf學習 以kali自帶的msf為例 一、msf核心模塊與功能 msf模塊都放在/usr/share/metasploit-framework/modules目錄下 1、auxiliary 輔助模塊,輔助滲透(埠掃描、登錄密碼爆破、漏洞驗證等) 2、encoders 編碼器模塊,主要包含各種編碼 ......

    uj5u.com 2023-04-20 07:42:59 more
  • Halcon軟體安裝與界面簡介

    1. 下載Halcon17版本到到本地 2. 雙擊安裝包后 3. 步驟如下 1.2 Halcon軟體安裝 界面分為四大塊 1. Halcon的五個助手 1) 影像采集助手:與相機連接,設定相機引數,采集影像 2) 標定助手:九點標定或是其它的標定,生成標定檔案及內參外參,可以將像素單位轉換為長度單位 ......

    uj5u.com 2023-04-20 07:42:17 more
  • 在MacOS下使用Unity3D開發游戲

    第一次發博客,先發一下我的游戲開發環境吧。 去年2月份買了一臺MacBookPro2021 M1pro(以下簡稱mbp),這一年來一直在用mbp開發游戲。我大致分享一下我的開發工具以及使用體驗。 1、Unity 官網鏈接: https://unity.cn/releases 我一般使用的Apple ......

    uj5u.com 2023-04-20 07:40:19 more