LinkNet 笔记

LinkNet 笔记

一、背景

目标检测上中 Fast RCNN，YOLO，SSD 致力于实时的目标检测，但分割任务上实时性的相关工作仍未有所进展。

二、网络结构

创新点：每个编码器与解码器相连接，编码器的输入连接到对应解码器的输出上。

• 恢复降采样操作中丢失的空间信息；
• 可以减少解码器的参数，因为解码器是共享从编码器的每一层学习到的参数；

conv 代表卷积，full-conv 代表全卷积，/2代表下采样的步长是2，*2代表上采样的因子是2。 在卷积层之后添加 BN，后加 ReLU。左半部分表示编码，右半部份表示解码。编码块基于 ResNet18。

编码模块

解码模块

网络模块输入输出大小

三、训练策略

• 优化器：RMSProp
• 使用自定义类别权重(a custom class weighing scheme)： $\omega_{class}= \frac{1}{\ln\left(c+p_{class}\right)}$
• 学习率：5e-4
• batch_size：10