|
这是专栏《图像分割模型》的第6篇文章。在这里，我们将共同探索解决分割问题的主流网络结构和设计思想。 在分割问题中，上下文信息与多尺度融合对于提高分割精度是十分有效的，今天我们就来谈谈用于实现这个目标的金字塔池化结构。 作者 | 孙叔桥 编辑 | 言有三 本期论文 《Pyramid Scene Parsing Network》 1 为什么要用金字塔结构提取特征 从本系列前面的文章我们已经了解到，对于分割任务而言，上下文信息的利用情况对于分割的效果是有明显影响的。这里我们就具体谈谈这个影响的原因。 通常来讲，我们判断一个东西的类别时，除了直接观察其外观，有时候还会辅助其出现的环境。比如汽车通常出现在道路上、船通常在水面、飞机通常在天上等。忽略了这些直接做判断，有时候就会造成歧义。比如下图中，在水面上的船由于其外观，就被FCN算法判断成汽车了。  从左到右分别为：图像、真值、FCN结果和PSPNet结果。 除此之外，由于金字塔结构并行考虑了多个感受野下的目标特征，从而对于尺寸较大或尺寸过小的目标有更好的识别效果。  从左到右分别为：图像、真值、FCN结果和PSPNet结果。 可见，同时考虑不同感受野下的上下文信息是十分必要的。下面我们就一起来具体看一下金字塔池化模型。 2 金字塔池化模型 尽管ResNet的感受野在理论上已经可以达到大于输入图像尺寸，但是Zhou等人也证明了CNN的经验感受野实际上比理论值小很多。因此，需要一个更有效的全局先验的描述方式。 下图是论文中提出的基于金字塔池化模型的网络结构。其中，虚线框出来的部分属于金字塔池化模型。  实验中分别用了1x1、2x2、3x3和6x6四个尺寸，最后用1x1的卷积层计算每个金字塔层的权重，再通过双线性恢复成原始尺寸。 最终得到的特征尺寸是原始图像的1/8。最后在通过卷积将池化得到的所有上下文信息整合，生成最终的分割结果。 此外，文中还应用了两个损失函数，分别用于约束主干分割网络和校正网络。以ResNet101为例，损失所处位置如下图所示。  3 实验结果 为了验证金字塔结构的有效性，PSPNet的作者对其进行了一系列的剥离实验。具体结果如下表所示：  ADE20K数据库下的分割结果：  下图是PASCAL VOC 2012数据库下的实验结果：  本文我们了解了上下文信息整合的多尺度估计网络PSPNet和其中的金字塔池化模型。除了同种特征的堆叠，我们还可以利用多特征融合提升分割的效果。下期我们就一起来看一下ParseNet。 专栏作者招募  直播预告(点击图片跳转) 今日看图猜技术 有三AI生态   |
|
|
