## deeplabv1
1. 内容:经过论文的学习我们进一步理解了空洞卷积的意义,同时也知道了全连接条件随机场的作用。
2. 实验:论文中做了好多实验我们可以总结为,在提取密集特征时,通过空洞卷积选择不同的感受野的一系列实验,同时在前面密集特征的提取上添加上全联接的条件随机场来优化细节,同时又与FCN做了类似的对比实验。
> 给一个全连接条件随机场的连接:https://zhuanlan.zhihu.com/p/22464586
3. 我们实验了deeplab-LargeFOV的实验去感受了一下实验的具体效果。我们参照的是:https://github.com/DrSleep/tensorflow-deeplab-lfov 的代码。我们这里就不具体来写了。
同时到现在学习语义分割的总结ppt可以在这里下载:https://github.com/tangzhenjie/FCN16S/blob/master/ppt/%E5%91%A8%E6%B1%87%E6%8A%A520190410%E6%B1%A4%E6%8C%AF%E6%9D%B0.ppt
- 序言
- 第一章 机器学习概述
- 第二章 机器学习环境搭建
- 环境搭建
- 第三章 机器学习之基础算法
- 第一节:基础知识
- 第二节:k近邻算法
- 第三节:决策树算法
- 第四节:朴素贝叶斯
- 第五节:逻辑斯蒂回归
- 第六节:支持向量机
- 第四章 机器学习之深度学习算法
- 第一节: CNN
- 4.1.1 CNN介绍
- 4.1.2 CNN反向传播
- 4.1.3 DNN实例
- 4.1.4 CNN实例
- 第五章 机器学习论文与实践
- 第一节: 语义分割
- 5.1 FCN
- 5.1.1 FCN--------实现FCN16S
- 5.1.2 FCN--------优化FCN16S
- 5.2 DeepLab
- 5.2.1 DeepLabv2
- 第六章 机器学习在实际项目中的应用