微信公众号：全球人工智能
文章来源：GitHub 作者：Sarath Shekkizhar
导读：本项目是基于论文《语义分割全卷积网络的Tensorflow实现》的基础上实现的，该实现主要是基于论文作者给的参考代码。该模型应用于麻省理工学院（
MIT Scene Parsing Benchmark）提供的场景识别挑战数据集。
项目所需的七大条件
结果是在12GB TitanX上训练大约6~7小时后获得的。
该代码最初是用tensorflow0.11和python2.7编写和测试的。 tf.summary的调用已更新tensorflow 0.12版本。如果要使用旧版本的tensorflow，请使用另一分支tf.0.11_compatible（shekkizh/FCN.tensorflow）。
在使用tensorflow1.0和windows时会有一些问题。这些问题已经在issue＃9（[Solved] Problems with TensorFlow 1.0 and Windows · Issue #9 · shekkizh/FCN.tensorflow）中讨论过了。
训练模型只需执行python FCN.py
要可视化一个随机批次的图像的结果，zhi’yao’yo使用标志–mode=visualize
debug标志可以在训练期间设置，以添加关于激活函数，梯度，变量等的信息。
这个IPython笔记本（shekkizh/FCN.tensorflow）可以用于查看彩色结果，如下方图片所示。
实验结果：时间更短 效率更高
通过批次大小为2，缩放大小为256*256的图片训练模型得到以下结果。请注意，虽然训练图片是256*256，dan没有任何东西可以防止模型在任意大小的图像上工作。预测图像没有进行后处理。通过9轮训练 – 训练时间较短，这解释了为什么某些概念似乎在模型中能被语义理解，而另一些概念似乎没有。下面的结果来自验证数据集的随机图像。
网络设计和原论文在caffe中设置的几乎一样。添加的新层的权重用小值进行初始化，并使用Adam 优化器（学习率= 1e-4）进行学习。
数据观察
小批量是必要的，以适应内存大小，但这导致训练过程慢
有很多例子的概念似乎被正确识别和feng- 在上面的例子中可以看到，汽车和人被识别得更好。我相信这可以通过训练更长的时间来解决。
此外，图像大小调整会导致信息丢失 – 可以注意到，实际上较小的对象被分割的准确率较低。
对于梯度：
如果仔细观察梯度，你会注意到初始训练几乎完全集中在添加的新层次上 – 只有在这些层被合理训练之后，我们才能看到VGG层获得一些梯度流。这是可以理解的，因为新层次在开始时更多地影响损失目标。
使用VGG权重初始化网络的前几层，因此在概念上讲这些层需要较少的调整，除非训练数据是非常多样的- 在这种情况下不是。
卷积模型的第一层捕获低级别的信息，并且由于这些信息依赖于数据集，你会注意到梯度tong’g调整第一层权重以使模型适应数据集。
来自VGG的其他卷积层具有非常小的梯度流动，因为这里捕获的概念对于我们的最终目标 – 分割是足够好的。
这是转移学习运作良好的核心原因。我只是想到在这里指出一下。
论文地址：https://arxiv.org/pdf/1605.06211v1.pdf
论文视频地址：Fully Convolutional Networks for Semantic Segmentation
GitHub资源：shekkizh/FCN.tensorflow
热门文章推荐
重磅|中国军用机器人曝光，负重160公斤狂奔两小时 ！（附视频）
重磅|痛失吴恩达后 百度在硅谷建第二家人工智能研发机构欲再招150名AI科学家！
重磅|IEEE发布了最新的世界顶级机器人视频集锦，不看你会后悔
最新|Yann LeCun昨天在清华都讲了什么？（附精彩视频）
重磅|百度AI负责人吴恩达（Andrew Ng）宣布将从百度辞职
开源|2017 CVPR（Oral Paper）：多目标实时体态估测 项目开源
