Our CNN G architecture is shown in

Our CNN G architecture is shown in Figure 3 and is trained to predict a prob -distribution Z given a grayscale image X. Our network has 8 blocks of convolutional layers. The first 5 convolutional blocks are initialized from the VGG convolutional layers, with some architec- tural modifications. We remove the pooling layers, place the stride in the pre- ceding convolutional layer, and add batch normalization after every block of convolutions. Since the input is single-channel lightness rather than a three- channel RGB image, the weights of the first convolutional layer are averaged. The VGG network downsamples the spatial feature maps by a factor of 2 after each block of convolutional layers, and doubles the number of output channels. We remove the stride in the final conv4 layer and dilate the conv5 layer kernels by a factor of 2 to compensate for the increased input spatial resolution . This allows us to produce 4 times the amount of spatial information in the network bottleneck, with a small 10.3% increase in memory per image.


We found that performing a simple bilinear upsampling from a re- duced feature map produced results that were sufficiently detailed. We use deep supervision to help guide learning.To supervise an intermediate layer in the net, we add a readout layer on top, consisting of a 1x1 convolution to convert from feature to output space, followed by a softmax. The output is supervised using cross entropy loss with respect to the down-sampled ground truth. We add these readout layers on conv6, conv7, and conv8. The losses are normalized to the number of spatial locations evaluated, with losses deeper in the network weighted twice the amount as the previous layer.

ผลลัพธ์ (ไทย) 1:

สถาปัตยกรรมของเรา CNN G แสดงในรูปที่ 3 และฝึกทำนาย prob-แจกให้เป็นภาพสีเทา X Z เครือข่ายของเรามีบล็อก 8 ชั้นสลับลำดับข้อมูล สิ่งแรกที่เราบล็อก 5 สลับลำดับข้อมูลจะเริ่มต้นจาก VGG สลับลำดับข้อมูลชั้น กับบาง modifications tural เป็นมรดกทางสถาปัตยกรรม เราเอาชั้นของการทำพูลเก็บ วางก้าวล่วงหน้าเลเยอร์สลับลำดับข้อมูล ceding และเพิ่มชุดฟื้นฟูหลังจากบล็อกของ convolutions ทุก ตั้งแต่อินพุต ช่องเดียวสว่างมากกว่ารูปแบบ RGB ช่องสาม มีเฉลี่ยน้ำหนักของชั้นสลับลำดับข้อมูลแรก Downsamples เครือข่าย VGG คุณลักษณะเชิงพื้นที่แผนที่ โดยปัจจัยที่ 2 หลังจากแต่ละบล็อกของชั้นสลับลำดับข้อมูล และเพิ่มจำนวนช่องสัญญาณเอาท์พุท เราเอาก้าวในชั้นพิจารณา conv4 และขยายเมล็ดชั้นใน conv5 โดยปัจจัยที่ 2 เพื่อชดเชยความละเอียดเชิงพื้นที่อินพุตเพิ่มขึ้น นี้ช่วยให้เราสามารถผลิต 4 ครั้งปริมาณของข้อมูลในเครือข่ายรอง กับการเพิ่มขึ้น 10.3% ขนาดเล็กในหน่วยความจำต่อภาพเราพบว่า การทำอัปแซมปลิง bilinear แบบง่าย ๆ จากแผนที่คุณลักษณะ duced re - ผลิตผลที่ sufficiently รายละเอียด เราสามารถใช้ดูแลลึกเพื่อช่วยแนะนำการเรียนรู้ กำกับดูแลการกลางชั้นในสุทธิ เราเพิ่มการอ่านชั้นบน ประกอบด้วยการพัฒนา 1 x 1 เป็นการแปลงจากคุณลักษณะการแสดงผลพื้นที่ ตาม ด้วย softmax เป็น ผลลัพธ์คือดูแลใช้ขาดทุน entropy ข้ามเกี่ยวกับความจริงว่าลงพื้นดิน เราสามารถเพิ่มชั้นเหล่านี้อ่านออก บน conv6, conv7, conv8 ปกติการสูญเสียจำนวนปริภูมิตำแหน่งประเมิน กับขาดทุนในเครือข่ายลึกเฉลี่ยสองยอดเป็นชั้นก่อนหน้านี้

ผลลัพธ์ (ไทย) 2:

สถาปัตยกรรมของซีเอ็นเอ็นจีของเราคือการแสดงในรูปที่ 3 และได้รับการฝึกฝนที่จะทำนาย prob -distribution Z ได้รับการเอ็กซ์สีเทาภาพเครือข่ายของเรามี 8 บล็อกของชั้นความสับสน RST Fi 5 บล็อกความสับสนจะเริ่มต้นจากชั้นสับสน VGG กับไพเพอร์บางสถาปัตยกรรม tural Modi Fi เราเอาชั้นร่วมกันวางกางเกงในก่อนที่ยกชั้นสับสนและเพิ่มการฟื้นฟูหลังจากชุดบล็อก convolutions ทุก นับตั้งแต่เข้าเป็นช่องทางเดียวสว่างมากกว่าช่องสามภาพ RGB, น้ำหนัก Fi ชั้นสับสนแรกที่มีการเฉลี่ย เครือข่าย VGG downsamples แผนที่คุณลักษณะเชิงพื้นที่โดยปัจจัยที่ 2 หลังจากที่บล็อกของชั้นความสับสนในแต่ละครั้งและคู่จำนวนช่องทางเอาท์พุท เราเอากางเกงในชั้น conv4 Fi NAL และขยายเมล็ดชั้น conv5 โดยปัจจัยที่ 2 เพื่อชดเชยความละเอียดเชิงพื้นที่การป้อนข้อมูลที่เพิ่มขึ้น นี้จะช่วยให้เราสามารถผลิต 4 ครั้งจำนวนของข้อมูลเชิงพื้นที่ในคอขวดเครือข่ายที่มีขนาดเล็กเพิ่มขึ้น 10.3% ในหน่วยความจำต่อภาพ.


เราพบว่าการดำเนินการอัปแซมปลิง bilinear ง่ายจากแผนที่คุณลักษณะอีกโฉมผลิตผลลัพธ์ที่เป็นซู FFI รายละเอียดอย่างมีประสิทธิภาพ เราใช้การกำกับดูแลลึกเพื่อช่วยให้คำแนะนำกำกับดูแล learning.To ชั้นกลางในสุทธิเราเพิ่มชั้นมิเตอร์ที่อ่านได้ด้านบนประกอบด้วยบิด 1x1 การแปลงจากคุณลักษณะพื้นที่เอาท์พุทตามด้วย softmax เอาท์พุทเป็นผู้ดูแลโดยใช้การสูญเสียเอนโทรปีข้ามเกี่ยวกับการลงตัวอย่างจริงพื้นดิน เราได้เพิ่มชั้นมิเตอร์ที่อ่านได้เหล่านี้บน conv6, conv7 และ conv8 ความสูญเสียที่มีนัยกับจำนวนของสถานที่เชิงพื้นที่ประเมินที่มีการสูญเสียลึกลงไปในเครือข่ายถ่วงน้ำหนักสองเท่าเป็นชั้นก่อนหน้านี้

ผลลัพธ์ (ไทย) 3:

ของเราซีเอ็นเอ็น G เป็นสถาปัตยกรรมที่แสดงในรูปที่ 3 และได้รับการฝึกฝนเพื่อทำนายปัญหาการแจกแจง Z ได้รับสีเทาภาพ X เครือข่ายบล็อกของคอน มี 8 ชั้น จึงตัดสินใจเดินทาง 5 ขดบล็อกเริ่มต้นจาก vgg คอนชั้นกับ engineer - ประเภทโมดิจึงทำให้ . เราเอารวมชั้นวางกางเกงใน pre - สละคอนชั้นและเพิ่มชุดปกติหลังจากที่ทุกบล็อกของ convolutions . ตั้งแต่เข้าช่องเดี่ยวความสว่างมากกว่าสาม - RGB ภาพช่อง น้ำหนักของจึงตัดสินใจเดินทางไปคอนชั้นเฉลี่ย การ vgg เครือข่าย downsamples แผนที่คุณลักษณะเชิงพื้นที่โดยปัจจัย 2 หลังแต่ละบล็อกของคอน ชั้น และเพิ่มจำนวนช่องสัญญาณ . เราเอากางเกงใน นาล จึง conv4 ชั้นและขยายเมล็ดชั้น conv5 โดยปัจจัยที่ 2 ที่จะชดเชยเพิ่มข้อมูลเชิงพื้นที่รายละเอียด นี้ช่วยให้เราสามารถผลิต 4 เท่าของข้อมูลเชิงพื้นที่ในคอขวดเครือข่าย โดยเพิ่มขึ้นร้อยละ 10.3 ขนาดเล็กในความทรงจำต่อภาพเราพบว่า การแซมปลิงใช้การง่ายจาก Re - duced แผนที่คุณลักษณะผลิตผลที่ซูffiรายละเอียด ciently . เราใช้นิเทศลึกเพื่อช่วยแนะนำการเรียนรู้ ชุดชั้น กลางในสุทธิ เราเพิ่มเลเยอร์บนด้านบนประกอบด้วยขด 1x1 เพื่อแปลงจากคุณสมบัติพื้นที่ออกตาม softmax . ผลลัพธ์การใช้ข้ามการสูญเสียเอนโทรปีกับการเคารพ ลงเก็บตัวอย่างดินจริง เราสามารถเพิ่มชั้นอ่านข้อมูลเหล่านี้ใน conv6 conv7 , และ conv8 . ขาดทุนมีรูปจำนวนของพื้นที่สถานที่ประเมิน กับความสูญเสียที่ลึกในเครือข่ายหนักเป็นสองเท่าเป็นชั้นก่อนหน้า