每像素圖像場景標記輸出問題（使用FCN-32s語義分割）

Question

我正在尋找一種方式，給定一個輸入圖像和一個神經網絡，它將輸出圖像中每個像素的標記類天空，草地，山地，人物，汽車等）。

我設置了Caffe（未來分支）併成功運行了FCN-32s Fully Convolutional Semantic Segmentation on PASCAL-Context模型。但是，我無法使用它製作清晰的標籤圖片。

圖片是可視化我的問題：
輸入圖像

地面實況

我的結果：

這可能是一些解決問題。任何想法我要去哪裏錯了？

Answer 1

似乎32s模型正在大步邁進，從而以粗略的分辨率工作。你可以嘗試8s model似乎執行較少的分辨率降低。
看着J Long, E Shelhamer, T Darrell Fully Convolutional Networks for Semantic Segmentation, CVPR 2015（尤其是圖4），似乎32s模型並不是爲了捕獲細分的細節而設計的。