FCN全卷积神经网络

这篇具有很好参考价值的文章主要介绍了FCN全卷积神经网络。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

目录

前言

一、FCN的意义

二、先验知识

1.FCN-32S,FCN-16S,FCN-8S

         2.上采样,下采样 

3.大体网络结构

4.与传统网络(带全连接层的网络)区别

5.传统网络VGG网络结构

 三、FCN网络结构解析

1.FCN-32S

2.FCN-16S

3.FCN-8S

!!!重要:FCN-16S和FCN-8S,都融合了相对底层的特征图信息

4.损失计算

总结


前言

随着人工智能的不断发展,深度学习这门技术也越来越重要,很多人都开启了学习深度学习,本文就介绍了深度学习图像分割的典型网络FCN的基础内容。

一、FCN的意义

意义:首个端到端(end to end)的针对像素级预测的全卷积网络

           是深度学习图像分割领域的开山之作

二、先验知识

1.FCN-32S,FCN-16S,FCN-8S

FCN全卷积神经网络

这些都是FCN网络模型,不同之处在于后面的数字,他们代表对预测结果上采样的倍数

例如:FCN-32S代表对于预测结果进行32倍的上采样还原到原图大小 

2.上采样,下采样 

上采样(upsampling):又名放大图像、图像插值

上采样有3种常见的方法:双线性插值(bilinear),反卷积(Transposed Convolution),反池化(Unpooling);

下采样(subsampled):又名降采样、缩小图像;

其实下采样就是池化;

3.大体网络结构

FCN全卷积神经网络


 4.与传统网络(带全连接层的网络)区别

FCN全卷积神经网络

     4.1 全连接如何转变为卷积层

FCN全卷积神经网络

 5.传统网络VGG网络结构

FCN全卷积神经网络

 三、FCN网络结构解析

1.FCN-32S

FCN全卷积神经网络

这里有几点需要注意:
1.VGG Backbone就是图中上方画圈的部分,可以看到,原来224*224的被变为7*7,尺寸大小除以了32 ,所以从VGG Backbone输出的就是h/32,w/32

2.从VGG Backbone到FC7部分,用的都是VGG网络的权重参数,仅在后面增加了一个1*1大小的卷积层和转置卷积用于调整通道数和上采样恢复特征图大小

2.FCN-16S

FCN全卷积神经网络

可以看出来,前面部分与FCN-32S差别不大,区别就在于FCN-16S融合了MaxPooling4的特征图信息 

3.FCN-8S

FCN全卷积神经网络

可以看出来,前面部分与FCN-32S差别不大,区别就在于FCN-8S融合了MaxPooling4和  MaxPooling3的特征图信息 

!!!重要:FCN-16S和FCN-8S,都融合了相对底层的特征图信息

4.损失计算

FCN全卷积神经网络

对每个pixel在channel方向进行softmax处理,得到每一个类别的概率,与true label计算交叉熵损失,最后求平均,就可以得到整个网络最终的损失

总结

FCN是深度学习分割的最基本网络,后来的网络基本思想和其相似(先下采样再上采样最终得到分割结果),当然也有很多改进,不过本人认为和FCN没有本质的区别,理解了FCN就理解了深度学习分割的精髓文章来源地址https://www.toymoban.com/news/detail-450168.html

到了这里,关于FCN全卷积神经网络的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 卷积神经网络与前馈神经网络

    常见的人工神经网络结构 人工神经网络是一类由人工神经元组成的网络,常见的神经网络结构包括: 前馈神经网络(Feedforward Neural Network,FNN):最简单的神经网络结构,由一个输入层、一个输出层和若干个隐藏层组成,信号只能从输入层流向输出层,不允许在网络中形成回

    2023年04月26日
    浏览(44)
  • 卷积神经网络 —— 图像卷积

    卷积神经网络是最具代表性的深度学习算法之一,目前已经被大范围的应用与计算机视觉等领域,并且取得了众多突破性的进展,在学习卷积神经网络之前,我们需要学习图像卷积运算。 图像卷积运算是一种图像处理算法。通过它可以实现很多不同的效果。例如,模糊图像中

    2024年02月07日
    浏览(51)
  • 【人工智能】— 深度神经网络、卷积神经网络(CNN)、多卷积核、全连接、池化

    Pre-training + Fine-tuning Pre-training(预训练) : 监督逐层训练是多隐层网络训练的有效手段, 每次训练一层隐层结点, 训练时将上一层隐层结点的输出作为输入, 而本层隐结点的输出作为下一层隐结点的输入, 这称为”预训练”. Fine-tuning(微调) : 在预训练全部完成后, 再对整个网络进行

    2024年02月10日
    浏览(48)
  • 神经网络基础-神经网络补充概念-61-单层卷积网络

    单层卷积网络是一种简单的神经网络结构,它仅包含一个卷积层,通常紧跟着一个激活函数以及可能的池化层和全连接层。这种结构可以用来提取输入数据的特征,适用于一些简单的任务。

    2024年02月12日
    浏览(46)
  • 基于GUI的卷积神经网络和长短期神经网络的语音识别系统,卷积神经网的原理,长短期神经网络的原理

    背影 卷积神经网络CNN的原理 卷积神经网络CNN的定义 卷积神经网络CNN的神经元 卷积神经网络CNN的激活函数 卷积神经网络CNN的传递函数 长短期神经网络的原理 基于GUI的卷积神经网络和长短期神经网络的语音识别系统 代码下载链接:基于MATLABGUI编程的卷积神经网络和长短期神

    2024年02月12日
    浏览(38)
  • 【卷积神经网络】卷积,池化,全连接

    随着计算机硬件的升级与性能的提高,运算量已不再是阻碍深度学习发展的难题。卷积神经网络(Convolution Neural Network,CNN)是深度学习中一项代表性的工作,CNN 是受人脑对图像的理解过程启发而提出的模型,其雏形是 1998 年 LeCun 提出的 LeNet-5 模型。如今,卷积神经网络已被

    2024年02月12日
    浏览(38)
  • 神经网络基础-神经网络补充概念-60-卷积步长

    在深度学习中,卷积步长(convolution stride)是指在卷积操作中滑动卷积核的步幅。卷积操作是神经网络中常用的操作之一,用于从输入数据中提取特征。步长决定了卷积核在输入数据上的滑动间隔,从而影响输出特征图的大小。 卷积步长的值可以是正整数,通常为1、2、3等。

    2024年02月12日
    浏览(52)
  • 聊聊神经网络模型流程与卷积神经网络的实现

    神经网络模型的搭建流程,整理下自己的思路,这个过程不会细分出来,而是主流程。 在这里我主要是把整个流程分为两个主流程,即预训练与推理。预训练过程主要是生成超参数文件与搭设神经网络结构;而推理过程就是在应用超参数与神经网络。 在 聊聊卷积神经网络

    2024年02月05日
    浏览(48)
  • PyTorch实战:卷积神经网络详解+Python实现卷积神经网络Cifar10彩色图片分类

    目录 前言 一、卷积神经网络概述 二、卷积神经网络特点 卷积运算 单通道,二维卷积运算示例 单通道,二维,带偏置的卷积示例 带填充的单通道,二维卷积运算示例 Valid卷积 Same卷积 多通道卷积计算 1.局部感知域 2.参数共享 3.池化层 4.层次化提取  三、卷积网络组成结构

    2024年02月07日
    浏览(57)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包