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

  新手如何实现个简单AutoML框架。有参考的github开源项目介绍吗? 
  如何评价深度学习之父Hinton发布的Capsule论文? 
  怎么通俗地理解张量? 
  当前人工智能特别是深度学习最前沿的研究方向是什么? 
  一个完整的Pytorch深度学习项目代码,项目结构是怎样的? 
  Resnet到底在解决一个什么问题呢? 
  怎么形象理解embedding这个概念? 
  机器学习在Web攻击方向有什么建树吗? 
  医学生学习机器学习该如何入门? 
  GAN的生成器是怎么产生图片的? 

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