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

  transformer 为什么使用 layer normalization,而不是其他的归一化方法? 
  如何评价 Self-Normalizing Neural Networks 这篇论文? 
  为什么现在不看好 CV 方向了呢? 
  机器全面代替人工劳动力的那一天,你能如何生存下去? 
  机器通过主动学习能为人类生活带来怎样的改变? 
  《人工智能训练师国家职业技能标准》发布,有哪些值得关注的信息? 
  如何评价剑桥,腾讯, DeepMind以及港大团队新作 SimCTG ? 
  AlphaGo「理解」围棋吗? 
  对神经网络某一层做了小改进,效果却提升显著,可以发论文吗? 
  GAN:固定训练好的判别器网络,去指导训练生成器为什么不可以? 

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)?





© 2024-06-03 - tinynew.org. All Rights Reserved.
© 2024-06-03 - tinynew.org. 保留所有权利