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

  在机器学习模型的训练期间,大概几十分钟到几小时不等,大家都会在等实验的时候做什么? 
  如何评价 7 月 31 日一流科技开源的深度学习框架 OneFlow? 
  既然使用神经网络也可以解决分类问题,那SVM、决策树这些算法还有什么意义呢? 
  在集成电路设计领域(数字,模拟),人工智能有无可能取代人类? 
  为什么神经网络具有泛化能力? 
  AI(或者说神经网络/深度学习)能够实现科学(尤其是物理学)研究中提出假设这一步嘛? 
  Google 的神经网络生成图像 (Inceptionism) 是怎么做到的? 
  未来 3~5 年内,哪个方向的机器学习人才最紧缺? 
  在机器学习模型的训练期间,大概几十分钟到几小时不等,大家都会在等实验的时候做什么? 
  如何理解链接预测(link prediction)? 

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)?





© 2025-01-18 - tinynew.org. All Rights Reserved.
© 2025-01-18 - tinynew.org. 保留所有权利