真正的端到端超级像素网络 - 使用全卷积网络进行超级像素分割 (CVPR2020) - 4.个人总结
最编程
2024-07-12 18:58:43
...
- 优点：端到端的神经网络，将超像素分割转化为预测像素和超像素之间的关联，达到sota的同时大大提升了速度。
- 缺点：准确的说，论文中的网络学到的是 16 × 16 16 \times 16 16×16网格下预测像素和超像素之间的关联，所以对于一个图片，想要获得不同数量的超像素需要将图片resize成不同的大小，如果图片的形状和训练集的形状差别很大，那么效果就会不太好（曾经在Cityscapes上跑过，得分非常不错，但是很多细节无法分割出来，因为对于这么大的图片，resize成网络要求的大小时已经丢失了很多细节了）
上一篇： pytorch 获取中间变量的梯度