图像语义分割(4)-SegNet:深度全卷积编解码结构

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/kevin_zhao_zl/article/details/84348847

论文地址：
SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation
[Badrinarayanan V , Kendall A , Cipolla R . SegNet: A Deep Convolutional Encoder-Decoder Architecture for Scene Segmentation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2017:1-1.]
论文实现： github代码

1. 概述

1.1 解决的问题

• 图像语义分割中max pooling等Subpooling方法缩小了特征图尺寸，导致信息丢失
• 图像分割模型的主要结构(编解码)

1.2 提出新方法

• Encoder—Decoder
• 新的上采样方式unpool with indices

1.3 得到的效果

• 精度上与FCN相差不大，而且Deconv方法效果更好
• 在存储和时间效率上SegNet效果大大改善，这也对应了SegNet的初衷，道路物体语义信息理解(自动驾驶)

2.模型关键架构

2.1 Encoder-Decoder架构

  FCN语义分割网络中的编解码结构如下：

• Encoder：使用pool操作和卷积操作，特征图尺寸缩小，通道数增加 $\rightarrow$ SubSample
• Decoder: 使用Deconv特征图尺寸增加 $\rightarrow$ UpSample
    在SegNet中做了如下改进：
• Encoder：VGG网络直接去掉三层全连接层，模型参数大幅度减小，模型规模大幅下降。每一次卷积后加依次Batch Normalization。
• Decoder：每一个Encoder对应一个Decoder并提出新的upSample方式，unpool with indices

2.2 Unpool 反池化上采样方式

  记录下maxPooling在对应Kerner的坐标，反池化过程中，将一个元素根据Kernerl放大，其他位置元素补0，如下图所示：