## deeplabv1
1. 內容:經過論文的學習我們進一步理解了空洞卷積的意義,同時也知道了全連接條件隨機場的作用。
2. 實驗:論文中做了好多實驗我們可以總結為,在提取密集特征時,通過空洞卷積選擇不同的感受野的一系列實驗,同時在前面密集特征的提取上添加上全聯接的條件隨機場來優化細節,同時又與FCN做了類似的對比實驗。
> 給一個全連接條件隨機場的連接:https://zhuanlan.zhihu.com/p/22464586
3. 我們實驗了deeplab-LargeFOV的實驗去感受了一下實驗的具體效果。我們參照的是:https://github.com/DrSleep/tensorflow-deeplab-lfov 的代碼。我們這里就不具體來寫了。
同時到現在學習語義分割的總結ppt可以在這里下載: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 機器學習概述
- 第二章 機器學習環境搭建
- 環境搭建
- 第三章 機器學習之基礎算法
- 第一節:基礎知識
- 第二節:k近鄰算法
- 第三節:決策樹算法
- 第四節:樸素貝葉斯
- 第五節:邏輯斯蒂回歸
- 第六節:支持向量機
- 第四章 機器學習之深度學習算法
- 第一節: CNN
- 4.1.1 CNN介紹
- 4.1.2 CNN反向傳播
- 4.1.3 DNN實例
- 4.1.4 CNN實例
- 第五章 機器學習論文與實踐
- 第一節: 語義分割
- 5.1 FCN
- 5.1.1 FCN--------實現FCN16S
- 5.1.2 FCN--------優化FCN16S
- 5.2 DeepLab
- 5.2.1 DeepLabv2
- 第六章 機器學習在實際項目中的應用