Learning Deconvolution Network for Semantic Segmentation

一、Abstract1.基于VGG-16网络2.对输入图像每一个proposal使用网络进行训练，结果由各个segmentation map结合得到3.设计的网络减少了已存在方法的限制，结果PASCAL VOC 2012数据集 72.5%的accuracy二、IntroductionCNN广泛应用于各种visual recognition问题，例如，image classification，obj...

基本情况 这是ICCV2015的一篇文章，所属领域为semantic segmentation.这篇文章比SegNet早. Abstract 提出深度反卷积网络: 是在vgg16的顶部添加反卷积层.反卷积层由deconvolution、relu和upooling组成. 通过把每一张图片的不同的proposal送入deploy的网络，通过aggregate得到最后的语义分割结果. 改进...

Learning Deconvolution Network for Semantic Segmentation首先介绍了基于FCN的语义分割，如论文： Fully Convolutional Networks for Semantic Segmentation Semantic Image Segmentation with Deep Convolutional Nets and Fully Co

论文地址：https://arxiv.org/abs/1505.04366v1   目录 【概要】 一、介绍 二、相关工作 三、系统结构 3.1 结构 3.2 用于分割的反卷积网络 3.3 系统概述 四、训练 4.1 批标准化（Batch Normalization） 4.2 两步训练 五、推断 5.1 汇总实例级别的分割映射 5.2 与FCN进行集成 六、实验 ...

2:30 - 4:45 这篇文章是 利用 deconv net 进行 semantic segmentation的先作，在之前ZF曾利用deconv net 做 neural network的可视化工作，它相当于 conv net 的mirror。 作者利用的是VGG16，应该是fine-trunning 其所有层的参数。（文中没有提到，所以是猜测）。 训练过程分为两个阶段，第一个阶段：根据gro

Noh, Hyeonwoo, Seunghoon Hong, and Bohyung Han. “Learning deconvolution network for semantic segmentation.” Proceedings of the IEEE International Conference on Com- puter Vision. 2015. (Citations: 13

Learning Deconvolution Network for Semantic Segmentation1. Introduction2. Related Work3. System Architecture3.1 Architecture3.2 Deconvolution Network for Segmentation3.2.3 Analysis of Deconvolution Network4. Training4.1 Batch Normalization4.2 Two-stage Tra

原文：http://blog.csdn.net/u014451076/article/details/71123330 Learning Deconvolution Network for Semantic Segmentation  ICCV2015  http://cvlab.postech.ac.kr/research/deconvnet/  https://devhub.io/

【论文笔记】《Learning Deconvolution Network for Semantic Segmentation》

论文地址：https://arxiv.org/abs/1505.04366v1 主要是为了记录一下自己的论文阅读资料 原文： https://blog.csdn.net/huitailangyz/article/details/81872804 【概要】 我们提出了一个新颖的通过学习反卷积网络来进行语义分割的算法。我们在来自VGG16层的卷积层之上来学习网络。反卷积网络由反卷积和反池化层组成，用来确定像素级别的类别标签预测分割掩码。对于每个输入图像，我们将训练好的网络应用到每一个方案中，然后通过一个简单的方

Learning Deconvolution Network for Semantic Segmentation ICCV2015 http://cvlab.postech.ac.kr/research/deconvnet/ https://devhub.io/zh/repos/myungsub-DeconvNet本文提出了一个 deconvolution network 用于语义分割，还是针