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...

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

OpenCVでPhotoshopのプラグイン開発
Autodesk Mementoでゴジラを3次元復元する
UnityでPoint Cloudを表示する方法
iOSで使えるJetpac社の物体認識SDK『DeepBelief』
Photogrammetry (写真測量法)
人間の顔をそっくりそのままCGで復元する『Digital Emily Project』
Deep Fluids:流体シミュレーションをディープラーニングで近似する
YOLO (You Only Look Once):ディープラーニングによる一般物体検出手法
BlenderProc:Blenderで機械学習用の画像データを生成するPythonツール
TensorFlowでCGを微分できる『TensorFlow Graphics』
第1回 3D勉強会@関東『SLAMチュートリアル大会』
顔追跡による擬似3D表示『Dynamic Perspective』
Zibra Liquids:Unity向け流体シミュレーションプラグイン
ディープラーニングに対応したPythonの機械学習ライブラリ『Pylearn2』
オープンソースのStructure from Motionツール『Regard3D』
RefineNet (Multi-Path Refinement Network):ディープラーニン...
スクラッチで既存のキャラクターを立体化したい
OpenCV 3.1のsfmモジュールを試す
Accord.NET Framework:C#で使える機械学習ライブラリ
CNN Explainer:畳み込みニューラルネットワーク可視化ツール
SSII 2014 デモンストレーションセッションのダイジェスト動画
OpenCVで平均顔を作るチュートリアル
オンライン英会話ネイティブキャンプを始めてみた
Point Cloud Consortiumのセミナー「3D点群の未来」に行ってきたよ
Facebookの顔認証技術『DeepFace』
Cartographer:オープンソースのSLAMライブラリ
PCA (主成分分析)
OpenGVの用語
Unityで強化学習できる『Unity ML-Agents』
第25回コンピュータビジョン勉強会@関東に行って来た
MVStudio:オープンソースのPhotogrammetryツール
機械学習で流体シミュレーションを近似する『Physics Forests』
動画で学ぶお絵かき講座『sensei』
書籍『仕事ではじめる機械学習』を読みました
OpenCVのfindEssentialMat関数を使ったサンプルを読んでみる
OpenMVSのサンプルを動かしてみる
OpenCV 3.1のsfmモジュールのビルド再び
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』
顔画像処理技術の過去の研究
BGSLibrary:OpenCVベースの背景差分ライブラリ
機械学習のオープンソースソフトウェアフォーラム『mloss(machine learning ope...
書籍『OpenCV 3 プログラミングブック』を購入

コメント