SegNet ：索引反池化的轻量分割网络

飞书用户9071

9月8日修改

【置顶必看】k学长的深度宝典

1、什么是语义分割，什么是FCN

我们提出了一种新颖且实用的深度全卷积神经网络架构，用于语义像素级分割，命名为SegNet。​

语义分割是指为图像中的每个像素分配一个类别标签（如道路、天空、汽车），以实现对场景的细粒度理解。​

全卷积神经网络（Fully Convolutional Network，简称 FCN）于2015提出。是深度学习用于语义分割领域的开山之作，在传统卷积神经网络（CNN）的基础上进行了改进，传统 CNN 主要用于图像分类任务。它的结构通常包括卷积层、池化层和全连接层。在图像分类中，CNN 的输出是一个固定大小的向量（例如，1000 类分类任务的输出向量长度为 1000），表示输入图像属于各个类别的概率分布。​

全连接层的输入大小是固定的，这意味着输入图像的大小也必须固定。此外，全连接层的参数量巨大，导致模型复杂度高且难以扩展到像素级任务。​

全卷积神经网络的核心思想是将传统 CNN 中的全连接层替换为卷积层，实现对任意大小输入图像的像素级处理。​

common.docs_name - LarkCCM_Docs_Menu_Image

如fig1所示，全卷积网络先使用卷积神经网络抽取图像特征，然后通过卷积层将通道数变换为类别个数，最后再通过转置卷积层将特征图的高和宽变换为输入图像的尺寸。因此，模型输出与输入图像的高和宽相同，且最终输出通道包含了该空间位置像素的类别预测。

SegNet ：索引反池化的轻量分割网络​

SegNet ：索引反池化的轻量分割网络