Learning Deconvolution Network for Semantic Segmentation

原创文章，引用请注明出处：http://blog.csdn.net/tonyyang1995 谢谢！

最近在读深度学习中深度学习的论文，老板要写总结所以顺便发上来记录一下。

Learning Deconvolution Network for Semantic Segmentation 这篇论文主要优化的是传统反卷积网络的一些limitation。

传统FCN 存在的limitation：

1. 它的network pre-defined a fixed size receptive field（这个会导致比这个field 大或者小的object会fragment 或 mislabel，而且比较小的物体可能会被忽略或者被分类成背景）



2. 物体的具体结构可能会消失 因为输入的label map 比较粗糙而且deconvolution 的操作比较简单



所以即使已经使用了CRF 但是效果还是不太好。

为了解决这些问题：

作者提出了一个深度的反卷积网络。

这个网络由多个deconvolution，unpooling，relu组成。

训练的network 是应用于单独的object proposal 来获得instance-wise 分割

在VOC12 的数据集上的表现比其他的FCN-based method 要好。

它的结构图如下：



从这个图我们可以看出它的convolution 和deconvolution 是镜像的。

这里作者使用了unpooling 操作顾名思义就是把polling的操作反过来，但是因为pooling的操作不可逆，这个unpooling操作只能把传进来的特征按照原来的位置重新摆放，近似pooling 前的卷积特征。



deconvolution



这里parameter 是可以学习的。

在论文中，作者对于deep deconvolution network 的分析后发现： 越complex 的能够capture更多的细节。



从上图中我们可以发现越深的Deconvolution network 更加能够把握原图的细节信息。

而与FCN8 对比之后也证明了这一点：



而对于deep network 中local optima 的问题，作者提出了

1. batch normalization

2. two-stage training

这两个方法来解决。（这里现在仅仅知道这样有效，还不能理解为什么这样就有效，所以仅列出其方法，求大神讲解）