DataWhale 零基础入门语义分割-地表建筑物识别-Task3
作者：互联网
文章目录
语义分割模型发展
语义分割网络模型的发展：FCN 、SegNet、Unet、DeepLab、RefineNet、PSPNet、GAN 语义分割。本文主要以FCN 为重点进行分析
一、FCN
FCN(Fully Convolutional Network) 全卷积网络，和之前常用的分类网络的不同的地方就是里面没有全连接层，也就是对一张图的所有的像素点进行分类
为什么会出现全卷积网络(FCN)?
注：图片来源与网络
上图中的第一个网络会将一张图片转换成长度为1000的输出向量，每一个数值都表示的是图像属于每一类的概率，很容易看出这张图片的分类的标签是"tabby cat"
FCN则是通过一系列的卷积和池化得到特征图，再利用反卷积(Deconvolution)对特征图进行上采样重新得到和输入图片一样大小的特征图，由于网络中没有全连接层，所以最后得到的特征图是二维的，保留了原输入图片中空间位置信息
1.FCN主要特点
• 不含全连接层（FC）的全卷积（Fully Conv）网络。从而可适应任意尺寸输入。
• 引入增大数据尺寸的反卷积（Deconv）层。能够输出精细的结果。
• 结合不同深度层结果的跳级（skip）结构。同时确保鲁棒性和精确性。
2.反卷积(Deconvolutional)
在不断生成feature map过程中所用到的池化操作会使图片大小缩小，由于最后网络需要返回一个和原图尺寸详图的输出图所以需要对feature map进行放大，可以使用的操作是:反卷积，上采样+卷积
具体区别见：https://blog.csdn.net/qinghuaci666/article/details/80848642
3.跳跃结构
通过上面两个步骤是可以完成分割任务的，但是最终得到的结果是比较粗糙的，那么解决这个问题就需要结合深层语义信息和浅层外观信息，这样可以达到较好的效果；
深层语义信息和浅层外观信息：
语义信息（全局信息）：提取位置是网络的深层；特点是物体的空间信息比较丰富，对应的感受野较大；有助于分割尺寸较大的目标，有利于提高分割的精确度。
外观信息（局部信息）：提取位置是网络的浅层；特点是物体的几何信息比较丰富，对应的感受野较小；有利于分割尺寸较小的目标，有利于提高分割的精确度。
对原图像进行卷积conv1、pool1 后原图像缩小为1/2；之后对图像进行第二次conv2、pool2 后图像缩小为1/4；接着继续对图像进行第三次卷积操作conv3、pool3 缩小为原图像的1/8，此时保留pool3 的featureMap；接着继续对图像进行第四次卷积操作conv4、pool4，缩小为原图像的1/16，保留pool4 的featureMap；最后对图像进行第五次卷积操作conv5、pool5，缩小为原图像的1/32，然后把原来CNN 操作中的全连接变成卷积操作conv6、conv7，图像的featureMap 数量改变但是图像大小依然为原图的1/32，此时图像不再叫featureMap 而是叫heatMap。
现在我们有1/32 尺寸的heatMap，1/16 尺寸的featureMap 和1/8 尺寸的featureMap，1/32 尺寸的heatMap 进行upsampling 操作之后，因为这样的操作还原的图片仅仅是conv5 中的卷积核中的特征，限于精度问题不能够很好地还原图像当中的特征。因此在这里向前迭代，conv4 中的卷积核对上一次upsampling 之后的图进行反卷积补充细节（相当于一个插值过程），最后把conv3 中的卷积核对刚才upsampling 之后的图像进行再次反卷积补充细节，最后就完成了整个图像的还原。
FCN的具体原理和训练过程：
https://blog.csdn.net/qinghuaci666/article/details/80863032
论文：
https://openaccess.thecvf.com/content_cvpr_2015/papers/Long_Fully_Convolutional_Networks_2015_CVPR_paper.pdf
二.SegNet
Segnet 是用于进行像素级别图像分割的全卷积网络，分割的核心组件是一个encoder 网络，及其相对应的decoder 网络，后接一个象素级别的分类网络。
encoder 网络：其结构与VGG16 网络的前13 层卷积层的结构相似。decoder 网络：作用是将由encoder的到的低分辨率的feature maps 进行映射得到与输入图像featuremap 相同的分辨率进而进行像素级别的分类。
Segnet 的亮点：decoder 进行上采样的方式，直接利用与之对应的encoder 阶段中进行max-pooling时的polling index 进行非线性上采样，这样做的好处是上采样阶段就不需要进行学习。上采样后得到的feature maps 是非常稀疏的，因此，需要进一步选择合适的卷积核进行卷积得到dense featuremaps 。
注意：SegNet中的decoder使用的是上采样+卷积的方式
SegNet 的思路和FCN 十分相似，只是Encoder，Decoder（Unsampling）使用的技术不一样。SegNet的编码器部分使用的是VGG16 的前13 层卷积网络，每个编码器层都对应一个解码器层，最终解码器的输出被送入soft-max 分类器以独立的为每个像素产生类别概率。左边是卷积提取特征，通过pooling 增大感受野，同时图片变小，该过程称为Encoder，右边是反卷积（在这里反卷积与卷积没有区别）与unsampling，通过反卷积使得图像分类后特征得以重现，upsampling还原到原图想尺寸，该过程称为Decoder，最后通过Softmax，输出不同分类的最大值，得到最终分割图。
三.Unet
U-net 对称语义分割模型，该网络模型主要由一个收缩路径和一个对称扩张路径组成，收缩路径用来获得上下文信息，对称扩张路径用来精确定位分割边界。U-net 使用图像切块进行训练，所以训练数据量远远大于训练图像的数量，这使得网络在少量样本的情况下也能获得不变性和鲁棒性。
• Encoder：左半部分，由两个3x3 的卷积层（RELU）+2x2 的max pooling 层（stride=2）反复组成，每经过一次下采样，通道数翻倍；
• Decoder：右半部分，由一个2x2 的上采样卷积层（RELU）+Concatenation（crop 对应的Encoder层的输出feature map 然后与Decoder 层的上采样结果相加）+2 个3x3 的卷积层（RELU）反复构成；
• 最后一层通过一个1x1 卷积将通道数变成期望的类别数。
注意：Unet同样使用了类似于FCN的跳跃结构，但是Unet是直接concatenate,而FCN是sum
三.其他
DeepLab、RefineNet、PSPNet、GAN会在后续博客中学习
标签：采样,分割,Task3,卷积,语义,网络,DataWhale,图像,FCN 来源： https://blog.csdn.net/suandyanr/article/details/114144138