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
Mitsuba 3：オープンソースの研究向けレンダラ
Alice Vision：オープンソースのPhotogram...
viser：Pythonで使える3D可視化ライブラリ
NeuralNetwork.NET：.NETで使えるTens...
RefineNet (Multi-Path Refineme...
機械学習について最近知った情報
Live CV：インタラクティブにComputer Visi...
FacebookがDeep learningツールの一部をオ...
OpenCVで顔のモーフィングを実装する
Connected Papers：関連研究をグラフで視覚的に...
OpenCVで平均顔を作るチュートリアル
第1回 3D勉強会＠関東『SLAMチュートリアル大会』
写真から3Dメッシュの生成・編集ができる無料ツール『Auto...
Cartographer：オープンソースのSLAMライブラリ
OpenCV
コンピュータビジョンの技術マップ
OpenMVSのサンプルを動かしてみる
Faster R-CNN：ディープラーニングによる一般物体検...
OpenCV 3.3.0 contribのsfmモジュールの...
U-Net：ディープラーニングによるSemantic Seg...
GoogleのDeep Learning論文
hloc：SuperGlueで精度を向上させたSfM・Vis...
Googleが画像解析旅行ガイドアプリのJetpac社を買収
Blendify：コンピュータービジョン向けBlenderラ...
書籍『イラストで学ぶ ディープラーニング』
Google Colaboratoryで遊ぶ準備
第25回コンピュータビジョン勉強会＠関東に行って来た
OpenCV 3.1のsfmモジュールのビルド再び
全脳アーキテクチャ勉強会
UnityユーザーがUnreal Engineの使い方を学ぶ...
2D→3D復元技術で使われる用語まとめ
OpenSfM：PythonのStructure from ...
ポイントクラウドコンソーシアム
Dlib：C++の機械学習ライブラリ
Pix2Pix：CGANによる画像変換
手を動かしながら学ぶデータマイニング
OpenCVの顔検出過程を可視化した動画
OpenCVのバージョン3が正式リリースされたぞ
機械学習に役立つPythonライブラリ一覧
MeshroomでPhotogrammetry
OpenCV3.3.0でsfmモジュールのビルドに成功！
Caffe：読みやすくて高速なディープラーニングのフレームワ...
コメント