score
传统的用CNN做分类的方法都是最后接全连接层，一张图片对一个类有一个score
FCN for sementic segmentation
score map
FCN for SS 对每一个pixel（对每一个类）都求了score，所以最后一张图片对一个类得到的是一个score map
InstanceFCN
position-sensitive score map
对一个ROI (region of interest - proposal) ，将其分成k×k个区域，每个区域都分别预测k×k个位置是某个类的score。表示是这个类，并且是这个类的某个位置(左上/中间...)的score，所以是position-sensitive。最后一个ROI对一个类对应k×k个score map
FCIS
position-sensitive inside/outside score map
一个区域可能是一个类的前景，就可能是另一个类的背景。这个方法中ROI的一个区域计算了两个score，inside和outside。inside表示该区域属于这个类，outside表示该区域不属于这个类。所以最后一个ROI对一个类对应2×k×k个score map。共2(C+1)×k^2个score map
网友评论