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
Mask R-CNN：ディープラーニングによる一般物体検出・...
GoogleのDeep Learning論文
Live CV：インタラクティブにComputer Visi...
Mitsuba 2：オープンソースの物理ベースレンダラ
統計的な顔モデル
ベイズ推定とグラフィカルモデル
OpenCVで動画の手ぶれ補正
OpenCV
pythonの機械学習ライブラリ『scikit-learn』
書籍『仕事ではじめる機械学習』を読みました
第25回コンピュータビジョン勉強会＠関東に行って来た
cvui：OpenCVのための軽量GUIライブラリ
CNN Explainer：畳み込みニューラルネットワーク可...
OpenCV 3.3.0-RCでsfmモジュールをビルド
iPadをハンディ3Dスキャナにするガジェット『iSense...
Netron：機械学習モデルを可視化するツール
TensorSpace.js：ニューラルネットワークの構造を...
Adobeの手振れ補正機能『ワープスタビライザー』の秘密
Houdiniのライセンスの種類
AfterEffectsプラグイン開発
Connected Papers：関連研究をグラフで視覚的に...
OpenCVで顔のランドマークを検出する『Facemark ...
TeleSculptor：空撮動画からPhotogramme...
OpenCVで顔のモーフィングを実装する
SegNet：ディープラーニングによるSemantic Se...
UnrealCV：コンピュータビジョン研究のためのUnrea...
動画で学ぶお絵かき講座『sensei』
Google Colaboratoryで遊ぶ準備
顔追跡による擬似3D表示『Dynamic Perspecti...
iPhoneで3D写真が撮れるアプリ『seene』
OpenMVSのサンプルを動かしてみる
OpenCV3.3.0でsfmモジュールのビルドに成功！
iOSで使えるJetpac社の物体認識SDK『DeepBel...
Pylearn2：ディープラーニングに対応したPythonの...
OpenFace：Deep Neural Networkによ...
OpenMVS：Multi-View Stereoによる3次...
BlenderでPhotogrammetryできるアドオン
OpenCV 3.3.0 contribのsfmモジュールの...
写真から3Dメッシュの生成・編集ができる無料ツール『Auto...
Rerun：マルチモーダルデータの可視化アプリとSDK
fSpy：1枚の写真からカメラパラメーターを割り出すツール
Open3D：3Dデータ処理ライブラリ
コメント