图像每像素场景标注输出问题（使用 FCN-32s 语义分割）答案

【问题标题】：Image per-pixel Scene labeling output issue (using FCN-32s Semantic Segmentation)图像每像素场景标注输出问题（使用 FCN-32s 语义分割）
【发布时间】：2015-12-03 19:01:11
【问题描述】：

我正在寻找一种方法，在给定输入图像和神经网络的情况下，它将为图像中的每个像素（天空、草、山、人、汽车等）输出一个标记类。

我已设置 Caffe（未来分支）并成功运行 FCN-32s Fully Convolutional Semantic Segmentation on PASCAL-Context 模型。但是，我无法用它生成清晰的标记图像。

形象化我的问题的图像：
输入图片

基本事实

而我的结果：

这可能是一些分辨率问题。知道我哪里出错了吗？

【问题讨论】：

标签： image-processing neural-network deep-learning caffe labeling

【解决方案1】：

32s 模型似乎取得了长足的进步，因此以粗略的分辨率工作。你能试试8s model，它似乎减少了分辨率。
看看J Long, E Shelhamer, T Darrell Fully Convolutional Networks for Semantic Segmentation, CVPR 2015（尤其是图 4），32s 模型似乎不是为捕获细分的精细细节而设计的。

【讨论】：

谢谢！这似乎起到了作用。我现在取得了不错的成绩。
@irri 由 shelhamer 训练的 8 步长模型对你有用吗？ gist.github.com/shelhamer/91eece041c19ff8968ee
@Shai：你能回答What is “semantic segmentation” compared to “segmentation” and “scene labeling”?吗？
@Martin Thoma 常规分割将图像分割成有用的块。语义分割将图像分割成有用的块，并准确标记这些块是什么。换句话说，常规分割的想法可能会分别勾勒出椅子和狗的轮廓，但您不会知道它们各自是什么。通过语义分割，每一个都将被分开并适当地标记为“椅子”和“狗”。
@AndrewHundt - 此评论属于处理分割与语义分割的另一个线程。