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
Windows10でPyTorchをインストールしてVSCo...
2D→3D復元技術で使われる用語まとめ
SegNet：ディープラーニングによるSemantic Se...
ArUco：OpenCVベースのコンパクトなARライブラリ
Alice Vision：オープンソースのPhotogram...
cvui：OpenCVのための軽量GUIライブラリ
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
BlenderでPhotogrammetryできるアドオン
OpenCVでカメラ画像から自己位置認識 (Visual O...
SDカードサイズのコンピューター『Intel Edison』
KelpNet：C#で使える可読性重視のディープラーニングラ...
AnacondaとTensorFlowをインストールしてVi...
Qlone：スマホのカメラで3Dスキャンできるアプリ
Transformer Explainer：テキスト生成モデ...
第1回 3D勉強会＠関東『SLAMチュートリアル大会』
オープンソースの顔の動作解析ツールキット『OpenFace』
顔画像処理技術の過去の研究
Mask R-CNN：ディープラーニングによる一般物体検出・...
OpenMVSのサンプルを動かしてみる
疑似3D写真が撮れるiPhoneアプリ『Seene』がアップ...
Cartographer：オープンソースのSLAMライブラリ
ニューラルネットワークと深層学習
AI英語教材アプリ『abceed』
YOLO (You Only Look Once)：ディープ...
OpenCVで顔のモーフィングを実装する
Google Colaboratoryで遊ぶ準備
CGAN (Conditional GAN)：条件付き敵対的...
手を動かしながら学ぶデータマイニング
OpenSfM：PythonのStructure from ...
書籍『仕事ではじめる機械学習』を読みました
PyDataTokyo主催のDeep Learning勉強会
Two Minute Papers：先端研究を短時間で紹介す...
Autodesk Mementoでゴジラを3次元復元する
SSII2014 チュートリアル講演会の資料
hloc：SuperGlueで精度を向上させたSfM・Vis...
OpenFace：Deep Neural Networkによ...
機械学習に役立つPythonライブラリ一覧
R-CNN (Regions with CNN featur...
オンライン英会話ネイティブキャンプを始めてみた
PGGAN：段階的に解像度を上げて学習を進めるGAN
続・ディープラーニングの資料
ドットインストールのWordPress入門レッスン
コメント