标签：采样 DeconvNet 分割 框架 卷积 图像 算法 文章 proposal

算法架构

提出了深度反卷积网络，编码部分使用VGG-16卷积层进行学习，解码器部分使用反卷积与反池化进行上采样。

文章亮点

由deconvolution and unpooling layers 组成上采样组件，逐像素分类完成预测

特殊方法

将object proposal(edge box)送入训练后的网络，政府图像是这些proposal分割结果的组合，这样就可以解决物体太大或者太小所带来的分割问题，改进了现存的基于FCN的方法

模型评估

算法能识别图像中精细结构以及不同尺度大小的目标，在PASCAL VOC 2012数据集中取得了72.5%的准确率

标签：采样,DeconvNet,分割,框架,卷积,图像,算法,文章,proposal
来源： https://blog.csdn.net/qq_44813407/article/details/120771951

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。