分割网络中的奇技淫巧-轻识

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

本文简单介绍了分割网络中常用的技巧

1，少不了的encoder+decoder结构：unet系列

目前基本所有的分割网络整体架构都是由两部分组成，encoder逐步降低feature map分辨率，提升特征表达能力，decoder逐步提高feature map分辨率，提升细节区分能力，其中具有代表性的网络为unet系列，如下图所示。

2，参数量不变，增大感受野：dilation（atrous） convolution

增大感受野有利于提高类别分类的准确度，dilation convolution如下图所示，不同的dilation rate，拥有不同的感受野。

在deeplab系列中，使用了aspp（Atrous Special Pooling Pyramid ）模块，获得更丰富的特征。如下图所示。

3，增加上下文信息：pspnet

如果说aspp通过使用不同感受野的特征获得multi-scale的特征，那psp模块则是通过融合不同的stride的pooling获得的特征，获得更丰富的context信息，有利于不同尺度的目标的分割。如下图所示

4，注意力机制

基本的attention的模块，一般是F（in）*sigmoid（pooling+fc），其中pooling是global pooling。通过增加global pooling，一是增加特征的上下文信息，而是通过sigmoid增强特征表达。如下图所示。

再复杂一些的attention模块，如下图CBAM所示，包含了chanel attention module和spatial attention module。但都是运用了基本的attention module。

关于attention相关的文章有很多，但是应用时，还要考虑到效率，慎用。

5，多
特
征与多尺度融合

这两个比较常见，就不多解释了，分别用一个网络结构做一个示例：

ICNet

ESPNet

好消息！

小白学视觉知识星球

开始面向外开放啦👇👇👇

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2：Python视觉实战项目52讲

在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。

下载3：OpenCV实战项目20讲

在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。

交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~