PSPNet (Pyramid Scene Parsing Network):ディープラーニングによるSemantic Segmentation手法

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。


ディープラーニングによるSemantic Segmentationアルゴリズムまとめ
これまで勉強したディープラーニングによるSemantic Segmentation手法のアルゴリズム一覧。


次はPSPNet (Pyramid Scene Parsing Network)について。


スポンサーリンク

PSPNet (Pyramid Scene Parsing Network)

PSPNet (Pyramid Scene Parsing Network)CVPR 2017で発表されたPyramid Scene Parsing Networkで提案されたSemantic Segmentation手法。



SegNetU-Netの登場以降、ディープラーニングによるSemantic SegmentationではEncoderDecoder構造が定番となった。

PSPNetでは、EncoderResNet101(大規模データで学習済み)の特徴抽出層を利用しており、EncoderDecoder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)


スポンサーリンク

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。
RefineNet (Multi-Path Refinement Network):ディープラーニングによるSemantic Segmentation手法
FCN, SegNet, U-Net, PSPNet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RefineNet (Multi-Path Refinement Network)について...

ディープラーニングによるSemantic Segmentationアルゴリズムまとめ
これまで勉強したディープラーニングによるSemantic Segmentation手法のアルゴリズム一覧。


スポンサーリンク

関連記事

CycleGAN:ドメイン関係を学習した画像変換
PCA (主成分分析)
AfterEffectsプラグイン開発
写真から3Dメッシュの生成・編集ができる無料ツール『Autodesk Memento』
Qlone:スマホのカメラで3Dスキャンできるアプリ
OpenCV 3.3.0 contribのsfmモジュールのサンプルを動かしてみる
オープンソースの顔認識フレームワーク『OpenBR』
顔検出・認識のAPI・ライブラリ・ソフトウェアのリスト
UnityでPoint Cloudを表示する方法
Photogrammetry (写真測量法)
Fast R-CNN:ディープラーニングによる一般物体検出手法
OpenFace:Deep Neural Networkによる顔の個人識別フレームワーク
SegNet:ディープラーニングによるSemantic Segmentation手法
PeopleSansPeople:機械学習用の人物データをUnityで生成する
Open3D:3Dデータ処理ライブラリ
Pix2Pix:CGANによる画像変換
顔画像処理技術の過去の研究
UnrealCV:コンピュータビジョン研究のためのUnreal Engineプラグイン
OpenCV
機械学習について最近知った情報
ニューラルネットワークで画像分類
Mask R-CNN:ディープラーニングによる一般物体検出・Instance Segmentatio...
UnityでOpenCVを使うには?
BlenderProc:Blenderで機械学習用の画像データを生成するPythonツール
3Dスキャンに基づくプロシージャルフェイシャルアニメーション
hloc:SuperGlueで精度を向上させたSfM実装
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
画像認識による位置情報取得 - Semi-Direct Monocular Visual Odome...
OpenCVでPhotoshopのプラグイン開発
Point Cloud Consortiumのセミナー「3D点群の未来」に行ってきたよ
「ベンジャミン·バトン数奇な人生」でどうやってCGの顔を作ったのか
Unityで強化学習できる『Unity ML-Agents』
WordPressで数式を扱う
Physics Forests:機械学習で流体シミュレーションを近似する
ZBrushトレーニング
MeshroomでPhotogrammetry
全脳アーキテクチャ勉強会
オープンソースの顔の動作解析ツールキット『OpenFace』
機械学習に役立つPythonライブラリ一覧
OpenCVで顔のモーフィングを実装する
統計的な顔モデル
OpenCVの超解像(SuperResolution)モジュールを試す

コメント