0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

Facebook AI使用单一神经网络架构来同时完成实例分割和语义分割

电子工程师 来源:lp 2019-04-22 11:46 次阅读

实例分割和语义分割长期以来都是运用不同的神经网络架构来完成的,虽然最近出现了将语义和实例分割进行结合的“全景分割”,但经典方法仍将两者视为独立的任务。近日,Facebook AI 使用单一神经网络架构来同时完成实例分割(识别出图片前景中的人或者动物)和语义分割(对图片背景中的像素进行分类)。他们的研究则通过统一的神经网络架构来同时实现实例和语义分割,这一新架构实现了对内存和计算资源的高效利用,也可以作为全景分割任务的基准。

原理:这一新架构“全景 FPN ”在 Facebook 2017 年发布的 Mask R-CNN 的基础上添加了一个用于语义分割的分支。这一新架构可以同时对图像进行实例和语义分割,而且精确度与只进行实例或语义分割的神经网络相当,这相当于能将传统方法所需要的计算资源减半。在 COCO 和 Cityscapes 数据集上的测试显示在计算资源相同的条件下全景 FPN 的表现远优于使用两个独立的神经网络分别进行实例和语义分割。

重要性:全景 FPN 架构统一,方便实现而且资源利用率高,为之后的全景分割研究设立了基准。对计算资源要求的降低以及对图像理解的深入也会对需要进行复杂图像实时处理的识别系统产生深远的影响。将图片前景中物体的分割与背景分割作为一个统一的任务对我们理解图片中场景并据此完成进一步的操作至关重要。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 神经网络
    +关注

    关注

    42

    文章

    4771

    浏览量

    100742
  • 图像
    +关注

    关注

    2

    文章

    1084

    浏览量

    40458
  • Facebook
    +关注

    关注

    3

    文章

    1429

    浏览量

    54734

原文标题:Facebook AI新架构:全景FPN,同时完成图像实例与语义分割 | 极客头条

文章出处:【微信号:rgznai100,微信公众号:rgznai100】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    语义分割25种损失函数综述和展望

    本综述提供了对25种用于图像分割的损失函数的全面且统的回顾。我们提供了种新颖的分类法,并详细审查了这些损失函数如何在图像分割中被定制和利用,强调了它们的重要特征和应用,并进行了系统
    的头像 发表于 10-22 08:04 488次阅读
    <b class='flag-5'>语义</b><b class='flag-5'>分割</b>25种损失函数综述和展望

    UNet模型属于哪种神经网络

    U-Net模型属于卷积神经网络(Convolutional Neural Network, CNN)的种特殊形式 。它最初由德国弗莱堡大学计算机科学系的研究人员在2015年提出,专为生物医学图像
    的头像 发表于 07-24 10:59 2478次阅读

    图像语义分割的实用性是什么

    图像语义分割种重要的计算机视觉任务,它旨在将图像中的每个像素分配到相应的语义类别中。这项技术在许多领域都有广泛的应用,如自动驾驶、医学图像分析、机器人导航等。
    的头像 发表于 07-17 09:56 424次阅读

    图像分割语义分割的区别与联系

    图像分割语义分割是计算机视觉领域中两个重要的概念,它们在图像处理和分析中发挥着关键作用。 1. 图像分割简介 图像分割是将图像划分为多个区
    的头像 发表于 07-17 09:55 923次阅读

    全卷积神经网络的工作原理和应用

    全卷积神经网络(FCN)是深度学习领域中的种特殊类型的神经网络结构,尤其在计算机视觉领域表现出色。它通过全局平均池化或转置卷积处理任意尺寸的输入,特别适用于像素级别的任务,如图像分割
    的头像 发表于 07-11 11:50 1122次阅读

    图像分割语义分割中的CNN模型综述

    图像分割语义分割是计算机视觉领域的重要任务,旨在将图像划分为多个具有特定语义含义的区域或对象。卷积神经网络(CNN)作为深度学习的
    的头像 发表于 07-09 11:51 862次阅读

    反向传播神经网络和bp神经网络的区别

    反向传播神经网络(Backpropagation Neural Network,简称BP神经网络)是种多层前馈神经网络,它通过反向传播算法
    的头像 发表于 07-03 11:00 798次阅读

    bp神经网络和卷积神经网络区别是什么

    结构、原理、应用场景等方面都存在定的差异。以下是对这两种神经网络的比较: 基本结构 BP神经网络种多层前馈神经网络,由输入层、隐藏层和
    的头像 发表于 07-03 10:12 1168次阅读

    卷积神经网络分类方法有哪些

    卷积神经网络(Convolutional Neural Networks,CNN)是种深度学习模型,广泛应用于图像分类、目标检测、语义分割等计算机视觉任务。本文将详细介绍卷积
    的头像 发表于 07-03 09:40 461次阅读

    cnn卷积神经网络分类有哪些

    卷积神经网络(CNN)是种深度学习模型,广泛应用于图像分类、目标检测、语义分割等领域。本文将详细介绍CNN在分类任务中的应用,包括基本结构、关键技术、常见
    的头像 发表于 07-03 09:28 619次阅读

    卷积神经网络的基本结构及其功能

    。 引言 深度学习是机器学习的个分支,它通过模拟人脑神经网络的结构和功能,实现对数据的自动学习和特征提取。卷积神经网络是深度学习中的种重要模型,它通过卷积操作和池化操作,有效地提取
    的头像 发表于 07-02 14:45 1590次阅读

    神经网络建模的适用范围有哪些

    神经网络种强大的机器学习技术,可以用于各种不同的应用。以下是神经网络建模的适用范围: 图像识别和分类 神经网络在图像识别和分类方面具
    的头像 发表于 07-02 11:40 628次阅读

    神经网络结构类型和应用实例

    神经网络模型,作为深度学习领域的核心组成部分,近年来在图像识别、自然语言处理、语音识别等多个领域取得了显著进展。本文旨在深入解读神经网络的基本原理、结构类型、训练过程以及应用实例,为初学者提供
    的头像 发表于 07-02 11:33 436次阅读

    神经网络架构有哪些

    神经网络架构是机器学习领域中的核心组成部分,它们模仿了生物神经网络的运作方式,通过复杂的网络结构实现信息的处理、存储和传递。随着深度学习技术的不断发展,各种
    的头像 发表于 07-01 14:16 702次阅读

    基于神经网络的柯氏音血压计

    二元序列到序列的分类问题。为了解决由此产生的序列到序列分类问题,将维卷积神经网络(CNNs)和递归神经网络(RNNs)相结合,开发了种算法。然后,与收缩压和舒张压相关的节段(SBP
    发表于 05-23 20:33