update chap9

zhoudaqing · Nov 7, 2018 · c95c33a · c95c33a
1 parent cbb21fa
commit c95c33a
Show file tree

Hide file tree

Showing 2 changed files with 9 additions and 3 deletions.
diff --git a/ch9_图像分割/modify_log.txt b/ch9_图像分割/modify_log.txt
@@ -28,6 +28,9 @@ modify_log---->用来记录修改日志
 4. 修改或者删除部分9.9.3公式、部分说法（可讨论），增加论文链接
 5. 修改或者删除部分9.9.4公式、部分说法（可讨论），增加论文链接
 
+<----qjhuang-2018-11-7---->
+1. 修改9.5答案部分说法（可讨论）
+
 其他---->待增加
 2. 修改readme内容
 3. 修改modify内容

diff --git a/ch9_图像分割/第九章_图像分割.md b/ch9_图像分割/第九章_图像分割.md
@@ -368,11 +368,14 @@ RefineNet block的作用就是把不同resolution level的feature map进行融
 <center><img src="./img/ch9/figure_9.4_2.png"></center> 
 
 &emsp;&emsp;
-Residual convolution unit就是普通的去除了BN的residual unit；    
+Residual convolution unit就是普通的去除了BN的residual unit；  
+
 &emsp;&emsp;
-Multi-resolution fusion是先对多输入的feature map都用一个卷积层进行adaptation(都化到最小的feature map的shape)，再上采样再做element-wise的相加。注意如果是像RefineNet-4那样的单输入block这一部分就直接pass了；   
+Multi-resolution fusion是先对多输入的feature map都用一个卷积层进行adaptation(都化到最小的feature map的shape)，再上采样再做element-wise的相加。注意如果是像RefineNet-4那样的单输入block这一部分就直接pass了；
+
 &emsp;&emsp;
-Chained residual pooling 没太看懂怎么残差相加的(其中的ReLU非常重要)，之后再修改；  
+Chained residual pooling中的ReLU对接下来池化的有效性很重要，还可以使模型对学习率的变化没这么敏感。这个链式结构能从很大范围区域上获取背景context。另外，这个结构中大量使用了identity mapping这样的连接，无论长距离或者短距离的，这样的结构允许梯度从一个block直接向其他任一block传播。
+
 &emsp;&emsp;
 Output convolutions就是输出前再加一个RCU。