本文是论文<Deformable Convolutional Networks>的阅读笔记,该论文提出了可变形卷积(Deformable convolation)和可变形RoI池化这两个模块,借鉴了STN的思路,提高了CNNs建模几何形变的能力。实验展示了可变形卷积提高了目标检测和语义分割的精度,而仅需很小的代价。
本文是论文<U-Net: Convolutional Networks for Biomedical Image Segmentation>的阅读笔记,该论文在FCN的基础上提出了U-net语义分割网络,应用了Overlap-tile策略、弹力形变数据增强和加权损失,在生物医学图像分割方面的ISBI挑战赛中获得第一。
本文是论文<Fully Convolutional Networks for Semantic Segmentation>阅读笔记。该论文提出了FCN模型,是语义分割的开山之作。FCN基于VGG16,使用了全卷积化、上采样(Upsample)、跳跃结构(Skip net)三种技术,在VOC 2012上达到语义分割的SOTA。