图像分割结果中的噪声

Question

我正在做一个基于深度卷积神经网络的图像分割任务。网络结构来自这篇论文，结构见图：FCN用于图像分割。网络是基于全卷积网络和DCAN设计的。

数据集为MICCAI 2015腺体分割挑战赛公开基准数据集（也称为Warwick-QU数据集）。

我使用这个网络来做分割任务。然而在我的结果中，我总是注意到一个固定的噪声模式：预测图像中的小白色交叉：具有交叉形状噪声的预测结果

有人可以解释一下这些噪声像素是什么意思吗？它们是图像处理中的常见噪声吗？值得注意的是，这种现象并不仅仅出现在特定的图像中，而是出现在整个预测中。

Answer 1

这些交叉形状的噪声是由我的网络中的反卷积层引起的，通过改变反卷积层中的核大小来解决。

首先我们应该了解反卷积层是如何工作的。可以在此处找到清晰的说明。我们需要记住的是，反卷积的步幅有助于扩大特征图的大小。

回到这个例子。假设我们有一个32x32的特征图，我们想要得到大小为256x256的特征图，所以我们必须使用步幅为8x8的反卷积层进行反卷积，因此添加了很多零像素特征图，这就是为什么会出现这些交叉形状。为了解决这个问题，我们必须将内核大小扩大两倍。在上面的例子中，我们需要选择一个16x16 的内核，这样我们的过滤器就不会落入那些零。

结果图像可以在这里显示：result
我们可以清楚地看到，与问题中所附的图片相比，交叉形状噪声被去除了。