实时语义分割最流行(一文带你读懂SegNet语义分割)

本文为 AI 研习社编译的技术博客,原标题 :

Review: SegNet (Semantic Segmentation)

作者 | SH Tsang

翻译 | 斯蒂芬•二狗子

校对 | 酱番梨 审核 | 约翰逊 · 李加薪 整理 | 立鱼王

原文链接:

https://towardsdatascience.com/review-segnet-semantic-segmentation-e66f2e30fb96

实时语义分割最流行(一文带你读懂SegNet语义分割)(1)

这个图是SegNet演示效果,来源是作者上传到YouTube的一个视频 (https://www.youtube.com/watch?v=CxanE_W46ts)

在本文中,我将简要回顾剑桥大学的SegNet。最初它被提交到2015年CVPR,但最后它没有在CVPR上发布(但它的2015年arXiv技术报告版本仍然有超过100次引用)。相反,它发布于2017年TPAMI,引用次数超过1800次。现在,第一作者成为Magic Leap Inc.的深度学习和人工智能总监(SH Tsang @ Medium)

以下是作者的演示链接:

(https://www.youtube.com/watch?v=CxanE_W46ts)

还有一个有趣的演示,我们可以选择随机图像,甚至上传我们自己的图像来试用SegNet。我试过如下例子:

http://mi.eng.cam.ac.uk/projects/segnet/demo.php

实时语义分割最流行(一文带你读懂SegNet语义分割)(2)

我从这个链接得到的道路场景图像的分割结果

文章大纲

  • 编码-解码器架构

  • DeconvNet 和 U-Net与的不同之处

  • 结论

1.编码-解码器架构

实时语义分割最流行(一文带你读懂SegNet语义分割)(3)

SegNet: 编码-解码结构

  • SegNet具有编码器网络和相应的解码器网络,接着是按最终像素的分类层。

1.1. Encoder编码器

  • 在编码器处,执行卷积和最大池化。

  • VGG-16有13个卷积层。 (不用全连接的层)

  • 在进行2×2最大池化时,存储相应的最大池化索引(位置)。

1.2. Decoder解码器

实时语义分割最流行(一文带你读懂SegNet语义分割)(4)

使用最大池化的索引进行上采样

  • 在解码器处,执行上采样和卷积。最后,每个像素送到softmax分类器。

  • 在上采样期间,如上所示,调用相应编码器层处的最大池化索引以进行上采样。

  • 最后,使用K类softmax分类器来预测每个像素的类别。

2. DeconvNet 和U-Net的不同

DeconvNet和U-Net具有与SegNet类似的结构。

2.1. DeconvNet 与 SegNet不同之处

  • Similar upsampling approach called unpooling is used.使用了类似的上采样方法,称为unpooling 反池化。

  • 不同,有完全连接的层,这使模型规模更大。

2.2. U-Net 与 SegNet不同之处

  • 用于生物医学图像分割。

  • 整个特征映射不是使用池化索引,而是从编码器传输到解码器,然后使用concatenation串联来执行卷积。

  • 这使模型更大,需要更多内存

3.结论

尝试了两个数据集。一个是用于道路场景分割的CamVid数据集。一个是用于室内场景分割的SUN RGB-D数据集。

3.1. 用于道路场景分割的CamVid数据集

实时语义分割最流行(一文带你读懂SegNet语义分割)(5)

道路场景分割的CamVid数据集上,与传统方法相互比较

  • 如上所示,SegNet在多类分割问题上获得了非常好的结果。它也获得了最高级别的类平均值和全局平均值。

实时语义分割最流行(一文带你读懂SegNet语义分割)(6)

道路场景分割的CamVid数据集上,与深度学习方法相比较

  • 获得最高的全局平均准确度(G),类别平均准确度(C),mIOU和边界F1测量(BF)。它的结果优于FCN,DeepLabv1和DeconvNet。

实时语义分割最流行(一文带你读懂SegNet语义分割)(7)

定性结果

3.2. 用于室内场景分割的SUN RGB-D数据集

  • 仅使用RGB,不使用深度(D)信息。

实时语义分割最流行(一文带你读懂SegNet语义分割)(8)

在室内场景分割的SUN RGB-D数据集,与深度学习方法比较

  • 同样,SegNet优于FCN,DeconvNet和DeepLabv1。

  • 对于mIOU指标,SegNet只比DeepLabv1略差一些。

不同类的类平均准确度

  • 大尺寸目标的准确度更高。

  • 小尺寸目标的准确度较低。

实时语义分割最流行(一文带你读懂SegNet语义分割)(9)

定性分析结果

3.3. 内存和推断时间

内存和推断时间

  • SegNet比FCN和DeepLabv1慢,因为SegNet包含解码器架构。它比DeconvNet更快,因为它没有全连接层。

  • SegNet在训练和测试期间的内存要求都很低。并且模型尺寸比FCN和DeconvNet小得多。

参考文献

[2015 arXiv] [SegNet]SegNet: A Deep Convolutional Encoder-Decoder Architecture for Robust Semantic Pixel-Wise Labelling

[2017 TPAMI] [SegNet]SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation

想要继续查看该篇文章相关链接和参考文献?

点击【一文带你读懂SegNet(语义分割)】或长按下方地址:

https://ai.yanxishe.com/page/TextTranslation/1532

AI研习社今日推荐:雷锋网雷锋网雷锋网

李飞飞主讲王牌课程,计算机视觉的深化课程,神经网络在计算机视觉领域的应用,涵盖图像分类、定位、检测等视觉识别任务,以及其在搜索、图像理解、应用、地图绘制、医学、无人驾驶飞机和自动驾驶汽车领域的前沿应用。

加入小组免费观看视频:https://ai.yanxishe.com/page/groupDetail/19

,

免责声明:本文仅代表文章作者的个人观点,与本站无关。其原创性、真实性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容文字的真实性、完整性和原创性本站不作任何保证或承诺,请读者仅作参考,并自行核实相关内容。文章投诉邮箱:anhduc.ph@yahoo.com

    分享
    投诉
    首页