梅迪

（四川大学，四川成都，610227）

1 SegNet

全卷积神经网络（FCN）中已经提出了上采样（反卷积）的思想，通过此手段可以将最后一个卷积层的特征图进行放大。不仅能够使得所有尺寸的输入图像得到处理，而且保留了相应的空间信息，能较好地做出语义预测和像素分类。

但在2015 年发表的“A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation”一文中提出的SegNet 对上采样又有创新。其提出了编码-解码结构，对输入的低分辨率特征图采用了非线性上采样处理方式，从而省去了上采样过程的学习。由此也可以看出，SegNet 网络的核心就是编码器-解码器结构。

■1.1 编码器-解码器结构

首先了解下SegNet 的网络结构如图1 所示。

图1

SegNet 由编码网络，解码网络后接一个分类层组成。其中，编码网络在结构上与深度学习模型VGG16 中的13层卷积层相同，都是由若干个卷积层和池化层堆叠而成。因此就可以用在大数据库下训练得到的权重初始化网络（ImageNet large scale visual recognition challenge）。此外，SegNet 通过丢弃了全连接层来在编码输出位置保留高分辨率特征图，并大幅减少了编码部分的参数量。

解码器与编码器对应，也有13 层，它的作用是将低分辨率的编码特征图还原到完整的输入分辨率上，输出最后会传递给多类别soft-max 分类器，从而用于像素级分类任务，生成像素点在不同类别下的独立概率。

总的来看，其网络分为两部分，左边是连续卷积层提取特征，通过池化增大感受野，同时图像变小，该过程即为编码;右边是转置卷积与上采样，通过转置卷积使得图像分类后特征得以重现，上采样还原到图像原始尺寸，该过程即为解码，最后通过Softmax 分类器，输出不同分类的最大值，得到最终分割图。……