为什么deep lab v3起，输出不再接 DenseCRF了？ 第1页
1
qin-se-zai-yu-57-56 网友的相关建议:
用CRF的目的在于什么，用CRF主要是为了连接图像的全局信息。
语义分割与分类不同。分类主要是识别物体，而语义分割不但要识别物体，还要找出物体的位置信息。DCNN卷积网络越深，其位置信息丢失的越严重。所以在deeplab v1/v2中用到了，全局CRF增强其位置信息。
但是在deeplabv3中，使用大采样率的3X3空洞卷积，图像边界响应无法捕捉远距离信息，会退化为1×1的卷积, 所以deeplabv3将图像级特征融合到ASPP模块中。融合图像级特征，相当于融合了其位置信息。所以就不需要最后再用CRF了（这也是楼上说的，用了CRF，其精度也增加的不多的原因）。
1
相关话题
从今年校招来看，机器学习等算法岗位应届生超多，竞争激烈，未来 3-5 年机器学习相关就业会达到饱和吗？能识别情绪的机器人可以算做有情感的机器人吗？
神经网络，分类和回归问题，在网络结构上的区别是什么？分类比回归多一层softmax吗？诚心求教？
为什么softmax很少会出现[0.5，0.5]？
工程师简历写着「在微软传播性病」，骗过了 90% 公司的机器筛选，机器筛选简历那么不靠谱吗？
为什么现在不看好 CV 方向了呢?
如何评价清华大学发布的自研深度学习框架-计图(Jittor)？
一般来说，三层神经网络可以逼近任何一个非线性函数，为什么还需要深度神经网络?
最数学的计算机科学方向有哪些？
研一刚入学，从未接触过神经网络，python也是才开始学，现在导师要我做LSTM，我应该去学什么？
前一个讨论
计算机视觉中，目前有哪些经典的目标跟踪算法？
相关的话题
如何理解深度学习中的deconvolution networks？机器学习包含哪些学习思想？
如何评价 CVPR 2020的论文接收结果？有哪些亮点论文？
计算机视觉顶级会议论文中比较适合初学计算机视觉的人做的复现实验有哪些？
Evidential deep learning里一般怎么估计多标签分类的Uncertainty？
魔鬼如何在最短时间内抓住天使？
如何评价CUHK以及Yuanjun Xiong提出的Trajectory Convolution？
能否对卷积神经网络工作原理做一个直观的解释？
能否使用神经网络来判断奇偶数？
什么是大模型？超大模型？Foundation Model？
2020年，多标签学习（multi-label）有了哪些新的进展？
机器学习以及贝叶斯统计里，关于近似intractable integral，大家都偏爱什么算法？
如何评价深度学习相关顶级期刊论文难复现的问题？
普通FPGA工程师怎样向人工智能靠拢？
如果用机器学习的理论来理解人的行为，会有什么发现？
为什么在R语言里多用<-而不是=表示赋值？
2021年，ncnn发展的如何了？
有哪些比较好的机器学习，深度学习的网络资源可利用？
有哪些人工智能上的事实，没有一定人工智能知识的人不会相信？
机器学习专家与统计学家观点上有哪些不同？
如何评价DALL-E模型的实现？
现在tensorflow和mxnet很火，是否还有必要学习scikit-learn等框架？
有哪些可以自学机器学习、深度学习、人工智能的网站？
新手如何实现个简单AutoML框架。有参考的github开源项目介绍吗？
attention跟一维卷积的区别是啥？
语义网所谓的“本体”的具体例子是什么？
神经网络为什么可以（理论上）拟合任何函数？
机器学习为生物学和医学研究带来了哪些改变？能解决哪些医学难题？
transformer 为什么使用 layer normalization，而不是其他的归一化方法？
人工智能和自动控制能在一起擦出什么样的火花？