SegNet

新颖实用的深度全卷积神经网络结构——SegNet

全卷积神经网络结构VGG16网络
  18

Contributor

contributed at 2020-03-01

Authorship

Homepage:  
View
Is authorship not correct? Feed back

Classification(s)

Geography SubjectGIScience & Remote SensingImagery Processing

Detailed Description

    SegNet是是第一次在语义分割中应用编码器-解码器(encoder-decoder)的结构。其中,编码器使用池化层逐渐缩减输入数据的空间维度,而解码器通过反卷积层等网络层逐步恢复目标的细节和相应的空间维度。从编码器到解码器之间,通常存在直接的信息连接,来帮助解码器更好地恢复目标细节。

    不同于FCN的上采样方法,SegNet利用了unpooling在下采样的时候记住最大值的位置,在上采样的时候可以快速的进行扩张尺寸,也就是说上采样不涉及反卷积运算,大大加速训练时间.

    SegNet lies的新颖之处在于解码器向上采样其低分辨率输入特征图的方式。SegNet主要是由场景理解应用程序驱动的。因此,它的设计在内存和推理过程中的计算时间方面都是高效的。SegNet具有良好的性能,推理时间有竞争力,并且在内存方面推理效率最高。

References

How to cite

Vijay Badrinarayanan (2020). SegNet, Model Item, OpenGMS, https://geomodeling.njnu.edu.cn/modelItem/0168bf76-747d-4ab4-a7c0-3078be10fb6a
Copy

QR Code

Contributor

contributed at 2020-03-01

Authorship

Homepage:  
View
Is authorship not correct? Feed back

QR Code

You can link related {{typeName}} from your personal space to this model item, or you can create a new {{typeName.toLowerCase()}}.

Model Content & Service

These authorship information will be submitted to the contributor to review.