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
ニューラルネットワークと深層学習
openMVGをWindows10 Visual Studi...
OpenCV 3.1のsfmモジュールを試す
顔追跡による擬似3D表示『Dynamic Perspecti...
AR (Augmented Reality)とDR (Dim...
機械学習について最近知った情報
Netron：機械学習モデルを可視化するツール
PyDataTokyo主催のDeep Learning勉強会
書籍『3次元コンピュータビジョン計算ハンドブック』を購入
第1回 3D勉強会＠関東『SLAMチュートリアル大会』
Pix2Pix：CGANによる画像変換
Composition Rendering：Blenderに...
OpenGVのライブラリ構成
FCN (Fully Convolutional Netwo...
Zibra Liquids：Unity向け流体シミュレーショ...
手を動かしながら学ぶデータマイニング
DUSt3R：3Dコンピュータービジョンの基盤モデル
第25回コンピュータビジョン勉強会＠関東に行って来た
OpenAR：OpenCVベースのマーカーARライブラリ
OpenGVの用語
全脳アーキテクチャ勉強会
今年もSSII
MVStudio：オープンソースのPhotogrammetr...
ポイントクラウドコンソーシアム
NeuralNetwork.NET：.NETで使えるTens...
Deep Learningとその他の機械学習手法の性能比較
データサイエンティストって何だ？
Structure from Motion (多視点画像から...
書籍『OpenCV 3 プログラミングブック』を購入
OpenCVでカメラ画像から自己位置認識 (Visual O...
ニューラルネットワークで画像分類
ドットインストールのWordPress入門レッスン
池袋パルコで3Dのバーチャルフィッティング『ウェアラブル ク...
SegNet：ディープラーニングによるSemantic Se...
Theia：オープンソースのStructure from M...
ツールの補助で効率的に研究論文を読む
hloc：SuperGlueで精度を向上させたSfM・Vis...
SDカードサイズのコンピューター『Intel Edison』
OpenCV バージョン4がリリースされた！
TeleSculptor：空撮動画からPhotogramme...
BlenderでPhotogrammetryできるアドオン
OpenCV 3.1から追加されたSfMモジュール
コメント