算法架构

提出了深度反卷积网络，编码部分使用VGG-16卷积层进行学习，解码器部分使用反卷积与反池化进行上采样。

文章亮点

由deconvolution and unpooling layers 组成上采样组件，逐像素分类完成预测

特殊方法

将object proposal(edge box)送入训练后的网络，政府图像是这些proposal分割结果的组合，这样就可以解决物体太大或者太小所带来的分割问题，改进了现存的基于FCN的方法

模型评估

算法能识别图像中精细结构以及不同尺度大小的目标，在PASCAL VOC 2012数据集中取得了72.5%的准确率

标签：采样,DeconvNet,分割,框架,卷积,图像,算法,文章,proposal
来源： https://blog.csdn.net/qq_44813407/article/details/120771951