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
本文为 AI 研习社编译的技术博客,原标题 :
校对 | 酱番梨 审核 | 约翰逊 · 李加薪 整理 | 立鱼王
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慧总监(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
文章大纲
1.1. Encoder编码器
1.2. Decoder解码器
DeconvNet和U-Net具有与SegNet类似的结构。
2.1. DeconvNet 与 SegNet不同之处
2.2. U-Net 与 SegNet不同之处
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
3.2. 用于室内场景分割的SUN RGB-D数据集
3.3. 内存和推断时间
参考文献
[2015 arXiv] [SegNet]
[2017 TPAMI] [SegNet]
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(语音分割)】或长按下方地址:
AI研习社今日推荐:
李飞飞主讲王牌课程,计算机视觉的深化课程,神经网路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