machine-learning - 哪种拓扑最适合分割？

我的图像大小为WxHx3，需要细分为21个类。使用CNN穿过某些图层后，我获得了W/4 x H/4 x 512特征图。最后，我们将使用Convolutional和Deconvolutional层将其与softmax层中的标签进行比较。我有2种拓扑：

  Softmax_loss                                  Softmax_loss
       ^                                             ^
       |                                             |
  deconv_layer                                   conv_layer
       ^                                             ^
       |                                             |
    conv_layer                                  deconv_layer
       ^                                             ^
       |                                             |
Intermediate_layers                         Intermediate_layers
       ^                                             ^
       |                                             |
     Input                                         Input

      (1)                                           (2)

哪种拓扑更好？我见过他们两个。 FCN（用于语义分段的完全卷积网络）中的1号，VoxResNet，UNet中的2号。

最佳答案

深度学习没有正确的方法。您通常会尝试一些最适合您的事情。如果您遵循fcn模型，则它的开始类似于conv->deconv->conv->deconv。语义分段中引用最多的论文都采用conv->deconv。所以我也建议第一。同样直观地，首先执行deconv没有多大意义。

关于machine-learning - 哪种拓扑最适合分割？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/43555221/