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

pythonの機械学習ライブラリ『scikit-learn』
OpenCV 3.1のsfmモジュールのビルド再び
UnityユーザーがUnreal Engineの使い方を学ぶには?
ディープラーニング
DCGAN (Deep Convolutional GAN):畳み込みニューラルネットワークによる敵...
RefineNet (Multi-Path Refinement Network):ディープラーニン...
OpenCV バージョン4がリリースされた!
Google製オープンソース機械学習ライブラリ『TensorFlow』のWindows版が公開された
CGのためのディープラーニング
BlenderでPhotogrammetryできるアドオン
SSII2014 チュートリアル講演会の資料
TorchStudio:PyTorchのための統合開発環境とエコシステム
CNN Explainer:畳み込みニューラルネットワーク可視化ツール
R-CNN (Regions with CNN features):ディープラーニングによる一般物体...
Fast R-CNN:ディープラーニングによる一般物体検出手法
OpenMVSのサンプルを動かしてみる
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...
OpenCV 3.3.0-RCでsfmモジュールをビルド
オープンソースの顔の動作解析ツールキット『OpenFace』
画像認識による位置情報取得 - Semi-Direct Monocular Visual Odome...
Point Cloud Libraryに動画フォーマットが追加されるらしい
Google Colaboratoryで遊ぶ準備
OpenCV3.3.0でsfmモジュールのビルドに成功!
NeRF (Neural Radiance Fields):機械学習による未知視点合成
ArUco:OpenCVベースのコンパクトなARライブラリ
.NETで使えるTensorFlowライクなニューラルネットワークライブラリ『NeuralNetwo...
Kinect for Windows V2のプレオーダー開始
Kinect for Windows v2の日本価格決定
OpenAR:OpenCVベースのマーカーARライブラリ
Physics Forests:機械学習で流体シミュレーションを近似する
CycleGAN:ドメイン関係を学習した画像変換
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
OpenCV
PGGAN:段階的に解像度を上げて学習を進めるGAN
OpenCVの三角測量関数『cv::triangulatepoints』
OpenGVの用語
手を動かしながら学ぶデータマイニング
UnrealCV:コンピュータビジョン研究のためのUnreal Engineプラグイン
Kubric:機械学習用アノテーション付き動画生成パイプライン
ドットインストールのWordPress入門レッスン
オンライン英会話ネイティブキャンプを始めてみた
LLM Visualization:大規模言語モデルの可視化

コメント