关于parsenet的信息

分割网络有哪些

1、本文介绍了五种经典的图像分割网络：FCN、Unet、DeepLabV3+、Vnet和Unet++。这些网络在图像分割任务中取得了优异的性能，并在不同的应用场景中得到了广泛的应用。

2、FCN、SegNet等等。截止2023年主流的分割网络有以下几种：FCN、SegNet、空洞卷积、ENe、tCRFasRNN、PSPNet、ParseNet、RefineNet、ReSeg、LSTM-CF、DeepMask。

3、LinkNet网络特点：LinkNet是另一种实时语义分割网络，它采用了编码-解码结构，并在解码器中引入了跳跃连接（skip connections）来保留更多的空间信息。网络结构：LinkNet的编码器部分通常由预训练的卷积神经网络（如ResNet、VGG等）构成，用于提取输入图像的深层特征。

PSPNet论文阅读笔记

1、PSPNet论文阅读笔记出处：2017 CVPR 核心思想：PSPNet通过将全局上下文信息和金字塔池化模块结合在一起，为像素级预测提供了一个更优秀的框架。其整体结构旨在解决场景解析任务中的关键问题，特别是那些由于物体外观相似或缺乏全局上下文信息而导致的错误预测。

2、PSPNet论文阅读笔记论文概述：本文提出了金字塔场景解析网络（PSPNet），旨在通过不同区域的上下文聚合来利用全局上下文信息，以解决复杂场景解析中的常见问题。PSPNet在基于FCN的像素预测框架中嵌入了困难的场景上下文特征，并通过深度监督损失为ResNet开发了一种有效的优化策略。

3、《Rethinking Atrous Convolution for Semantic Image Segmentation》读书笔记核心内容本文主要提出使用带孔卷积（dilated卷积）提取密集特征进行语义分割，通过多比例带孔卷积级联或并行捕获多尺度背景，修改带孔空间金字塔池化模块，将全局背景基于图像层次编码获得特征以提升性能。