1
我有一个图像大小WxHx3
需要分成21个类。使用CNN通过一些图层后,我获得了W/4 x H/4 x 512
功能图。我们将最后使用Convolutional
和Deconvolutional
图层将其与softmax
图层中的标签进行比较。我有2个拓扑:哪种拓扑结构对于分割是正确的?
Softmax_loss Softmax_loss
^ ^
| |
deconv_layer conv_layer
^ ^
| |
conv_layer deconv_layer
^ ^
| |
Intermediate_layers Intermediate_layers
^ ^
| |
Input Input
(1) (2)
哪种拓扑更好?我见过他们两个。在FCN
(完全卷积网络进行语义分割)中的第1号,VoxResNet
,UNet
中的第2号。
是的。 FCN使用'conv(1x1,分类器) - > deconv'。然而,一些论文也使用'deconv-> conv(1x1)'像Unet,VoxResNet论文。所以我认为他们有一些理由 – KimHee
@KimHee你确定Unet,VoxResNet首先执行'deconv'吗?我看到他们的prototxt文件,他们首先执行“conv”。如果你正在谈论最后要做什么,那么我认为最重要的是什么是最重要的。 – lnman
Unet是conv_u0d-sc是lass prototxt的分类器。 https://lmb.informatik.uni-freiburg.de/resources/opensource/3dUnet_miccai2016_no_BN.prototxt。我的意思是之前的softmax图层过程 – KimHee