语义分割网络之PSPnet

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/linolzhang/article/details/78536191

一.提出背景

       基于FCN全卷积网络的分割面临诸多问题，这篇文章从多尺度入手，提出了金字塔模型来提取多尺度的信息，达到了 State-of-the-art 的结果

       论文：PSPnet：Pyramid Scene Parsing Network 【点击下载】

       Caffe代码：【Github】

二.算法框架

       算法细节比较多，这里我主要强调以下几个关键点：

       1）通过多尺度 Pooling 的方式得到不同 Scale 的 Feature，Concat 得到判别的多尺度特征；

     

       2）加入额外的深度监督 Loss

        

扫描二维码关注公众号，回复： 3807870 查看本文章

三.数据训练

1）下载 Github 代码

      按照 readme 说明文件进行编译和运行，不多说。

      原版本支持 cuda7.5 和 cudnn v4，高版本的童鞋可以【下载这个版本】。

      下载 matio

   ./configure
   $ make
   $ make install

2）准备训练数据

      自己标注训练数据，参考 VOC Segment 格式。

      标注工具：

      【LabelImgPlus】 风格与LabelImg 一致，可以载入文件夹批量标定；

      【Labelme】 MIT的开源工具，单张标注，可以自己扩展；

      【CityScapesTool】 CityScapes 数据集自带的脚本，包括 Annotation、格式转换等脚本；

3）准备训练模型

      训练模型：下载

      注意，如果训练自己的数据，需要准备好初始化 caffemodel，避免过拟合。

四.测试结果

       训练完给出～