FCN, SegNet, U-Netに引き続きディープラーニングによるSemantic Segmentation手法のお勉強。
次はPSPNet (Pyramid Scene Parsing Network)について。
PSPNet (Pyramid Scene Parsing Network)
PSPNet (Pyramid Scene Parsing Network)はCVPR 2017で発表されたPyramid Scene Parsing Networkで提案されたSemantic Segmentation手法。
SegNetやU-Netの登場以降、ディープラーニングによるSemantic SegmentationではEncoder–Decoder構造が定番となった。
PSPNetでは、EncoderにResNet101(大規模データで学習済み)の特徴抽出層を利用しており、EncoderとDecoderの間にPyramid Pooling Moduleを追加している↓
Fast R-CNNの記事で触れたSPPNetで、似た名前のSpatial Pyramid Pooling(空間ピラミッドプーリング)が使われていた。
同じなのは複数の解像度でmax-poolingを行うという点だけです(笑)
Pyramid Pooling Module
Encoderによって入力画像から抽出された特徴マップのサイズは、ダウンサンプリングされて元の入力画像の1/8になる。
Pyramid Pooling Moduleでは、Encoderで抽出された特徴マップに対して、複数の解像度でmax-poolingをかけてそれぞれのスケールで捉えた特徴マップを得る。これによって、画像の大域的なコンテキストと小さな部分の情報の両方を拾うことができる。
Pyramid Pooling Moduleの階層数や各階層での特徴マップのサイズは、入力される特徴マップのサイズに合わせて設計する。Pyramid Pooling Moduleの階層の数をNとすると、削減後の各特徴マップのチャンネル数は1/Nになる。
論文の例では、以下の図のように階層的に4つの異なるカーネルサイズ(1×1, 2×2, 3×3, 6×6)でmax-poolingを行い、得られた複数スケールの特徴マップを1×1で畳み込んでチャンネル数を削減する。
そして、このチャンネル数を削減した特徴マップをバイリニア補間で元の特徴マップと同じサイズにアップサンプリングする。
アップサンプリングしたこれらの特徴マップを元の特徴マップにチャンネルを追加する形で連結し、大域的なコンテキストと局所的な情報の両方を持った特徴マップとする。
最終的に、この連結した特徴マップに対して1×1の畳み込みを行ってSemantic Segmentationの結果を得る。
あれ、何か妙に情報があっさりだぞ。。。
次はRefineNet (Multi-Path Refinement Network)について勉強しよう。


関連記事
OpenCV 3.3.0-RCでsfmモジュールをビルド
YOLO (You Only Look Once):ディープ...
Google Colaboratoryで遊ぶ準備
COLMAP:オープンソースのSfM・MVSツール
AnacondaとTensorFlowをインストールしてVi...
SONY製のニューラルネットワークライブラリ『NNabla』
Zibra Liquids:Unity向け流体シミュレーショ...
OpenCVで動画の手ぶれ補正
OpenCVで顔のモーフィングを実装する
第25回コンピュータビジョン勉強会@関東に行って来た
ポイントクラウドコンソーシアム
書籍『OpenCV 3 プログラミングブック』を購入
Regard3D:オープンソースのStructure fro...
OpenCVのfindEssentialMat関数を使ったサ...
BlenderProc:Blenderで機械学習用の画像デー...
GAN (Generative Adversarial Ne...
2D→3D復元技術で使われる用語まとめ
Google製オープンソース機械学習ライブラリ『Tensor...
OpenCVで顔のランドマークを検出する『Facemark ...
機械学習に役立つPythonライブラリ一覧
顔検出・認識のAPI・ライブラリ・ソフトウェアのリスト
Kornia:微分可能なコンピュータービジョンライブラリ
Pylearn2:ディープラーニングに対応したPythonの...
OpenCV3.3.0でsfmモジュールのビルドに成功!
KelpNet:C#で使える可読性重視のディープラーニングラ...
Autodesk Mementoでゴジラを3次元復元する
Digital Emily Project:人間の顔をそっく...
BlenderでPhotogrammetryできるアドオン
Theia:オープンソースのStructure from M...
ZBrushトレーニング
Physics Forests:機械学習で流体シミュレーショ...
cvui:OpenCVのための軽量GUIライブラリ
DCGAN (Deep Convolutional GAN)...
iPhoneで3D写真が撮れるアプリ『seene』
今年もSSII
PyTorch3D:3Dコンピュータービジョンライブラリ
OpenCVでiPhone6sのカメラをキャリブレーションす...
写真から3Dメッシュの生成・編集ができる無料ツール『Auto...
Iridescence:プロトタイピング向け軽量3D可視化ラ...
SSD (Single Shot Multibox Dete...
C#で使える遺伝的アルゴリズムライブラリ『GeneticSh...
顔画像処理技術の過去の研究
コメント