百科问答小站 logo
百科问答小站 font logo



为什么deep lab v3起,输出不再接 DenseCRF了? 第1页

  

user avatar   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)。




  

相关话题

  为何总感觉人工智能和神经科学(神经网络)被绑在一起? 
  2021 年了,TensorFlow 和 PyTorch 两个深度学习框架地位又有什么变化吗? 
  如何看待timm作者发布ResNet新基准:ResNet50提至80.4,这对后续研究会带来哪些影响? 
  如何评价 DeepMind 新提出的关系网络(Relation Network)? 
  KL散度衡量的是两个概率分布的距离吗? 
  机器学习中的PR曲线一定会过(1,0)这个点吗? 
  什么是博弈机器学习? 
  深度学习中Attention与全连接层的区别何在? 
  如果人工智能迎来下一个寒冬,你认为会是卡在什么问题上? 
  计量经济学是不是过时了? 

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?
下一个讨论
如何理解压缩感知(compressive sensing)?





© 2025-03-23 - tinynew.org. All Rights Reserved.
© 2025-03-23 - tinynew.org. 保留所有权利