DL之PSPNet:PSPNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
DL之PSPNet:PSPNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
目录
相关文章
DL之PSPNet:PSPNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
DL之PSPNet:PSPNet算法的架构详解
PSPNet算法的简介(论文介绍)
更新……
Abstract
Scene parsing is challenging for unrestricted open vocabulary and diverse scenes. In this paper, we exploit the capability of global context information by different-regionbased context aggregation through our pyramid pooling module together with the proposed pyramid scene parsing network (PSPNet). Our global prior representation is effective to produce good quality results on the scene parsing task, while PSPNet provides a superior framework for pixellevel prediction. The proposed approach achieves state-ofthe-art performance on various datasets. It came first in ImageNet scene parsing challenge 2016, PASCAL VOC 2012 benchmark and Cityscapes benchmark. A single PSPNet yields the new record of mIoU accuracy 85.4% on PASCAL VOC 2012 and accuracy 80.2% on Cityscapes.
场景解析对于不受限制的开放词汇表和不同的场景具有挑战性。本文结合金字塔场景分析网络(PSPNet),通过金字塔池模块实现了基于不同区域的上下文聚合,实现了全局上下文信息的聚合。我们的全局先验表示方法能够有效地在场景解析任务中生成高质量的结果,而PSPNet为pixellevel预测提供了一个优越的框架。该方法在各种数据集上实现了最先进的性能。在ImageNet场景分析的挑战2016、PASCAL VOC 2012基准测试和Cityscapes基准测试中获得第一名。单个PSPNet在PASCAL VOC 2012上的mIoU准确率为85.4%,在城市景观上的准确率为80.2%。
Concluding Remarks
We have proposed an effective pyramid scene parsing network for complex scene understanding. The global pyramid pooling feature provides additional contextual information. We have also provided a deeply supervised optimization strategy for ResNet-based FCN network. We hope the implementation details publicly available can help the community adopt these useful strategies for scene parsing and semantic segmentation and advance related techniques.
针对复杂场景的理解,提出了一种有效的金字塔场景解析网络。全局金字塔池功能提供了额外的上下文信息。为基于resnet的FCN网络提供了一种深度监督优化策略。我们希望公开的实现细节可以帮助社区采用这些有用的场景解析和语义分割策略,并推进相关技术。
论文
Hengshuang Zhao, JianpingShi, XiaojuanQi, XiaogangWang, JiayaJia.
Pyramid Scene Parsing Network. CVPR 2017.
https://arxiv.org/abs/1612.01105
0、实验结果
1、Experiments
作者在三个不同的数据集上做实验,Three different datasets, including 三个不同的数据集,包括
- ImageNet scene parsing challenge 2016
ImageNet场景解析挑战2016 - PASCAL VOC 2012 semantic segmentation
PASCAL VOC 2012语义分割 - urban scene understanding dataset Cityscapes
城市场景理解数据集城市景观
2、在ADE2OK验证集中,不同预训练ResNet的PSPNet性能
Performance of PSPNet with different pre-trained ResNet on ADE2OK validation set 随着深度增加,性能逐渐增加;当然,深度越深,其复杂度越高! | ![]() |
Visual improvements on ADE20K PSPNet produces more accurate and detailed results. 因为有全局信息,PSPNet 生成了更精确和详细的结果。 | ![]() |
3、PASCAL VOC 2012数据的可视化改进
PSPNet定量分析——PASCAL VOC 2012测试集每段成绩,MS-COCO数据集上预训练方法标注“+” Table 6. Per-class results on PASCAL VOC 2012 testing set. Methods pre-trained on MS-COCO are marked with ‘+’ .
| ![]() |
Visual improvements on PASCAL VOC 2012 data PSP-Net produces more accurate and detailed results. 图中,可知PSP-Net产生了更精确和详细的结果。 | ![]() |
PASCAL VOC 2012年数据的可视化比较 Figure 9. Visual comparison on PASCAL VOC 2012 data. 图可知,DeepLab和PSPNet的分割效果都是不错的!
| ![]() |
4、在Cityscapes数据集上的PSPNet结果示例
在城市景观测试集上的结果,使用细数据和粗数据训练的方法被标记为“+” Table 7. Results on Cityscapes testing set. Methods trained using both fine and coarse data are marked with '+'.
| ![]() |
Examples of PSPNet results on Cityscapes dataset | ![]() |
PSPNet算法的架构详解
更新……
PSPNet算法的案例应用
更新……
相关文章
- 基于TMS320F28377D开发板的DSP CLA算法案例开发手册
- 算法 时间复杂度概念及案例
- 【嵌入式案例分享】使用Matlab生成可供TMS320C6748开发板使用的算法
- JS算法题 JavaScript常见算法题 基础语法案例(持续更新)2022年3月30日
- 蒙特卡洛算法案例_蒙特卡洛原理
- 元数据治理:产品方案介绍及案例实践
- PQ实战案例拆解 | 汇总多股票交易数据,计算5日均线的操作与算法优化 - 2
- 基于matlab的图像处理案例教程_matlab gui图像处理
- 文档流code案例小汇【处理高度塌陷】
- JQuery 入门 - 附案例代码
- 【愚公系列】2023年02月 .NET CORE工具案例-办公文档神器Toxy的使用
- 《花雕学AI》19:比较ChatGPT与新Bing在文章润色方面的应用优势与测试案例
- PostgreSQL 序列增删改案例
- MySQL数据库开发实践:实战案例分析.(mysql数据库案例)
- LVS实战案例:LVS-NAT模式案例
- 国外使用Redis的案例大家都探讨一下(国外redis用的多吗)
- 案例实践丨最优化算法的前世今生
- jqueryajax局部无刷新更新数据的实现案例