【DeepLabv3+】Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation

这篇论文呢是参与了DeepLab整个系列的作者Liang-Chieh Chen的又一新作。在V3的基础上进行的优化更新，故，又叫V3+。这个一作还参与了MaskLab系列和MobileNet系列的工作，其中就会设计到MobileNet的一些方法。
ECCV2018

概述

---

• 解决的问题？
  • 本文主要是在V3的基础上进行了改进，达到了最新的语义分割的state-of-the-art。
• 采用了方法？（Innovation）
  • ASPP & Encoder-Decoder，以DeepLabV3为encoder架构。
  • ResNet101 & Xception
  • Depthwise separable convolution
• 结果如何（没有任何后处理）
  • Pascal VOC 2012：89.0%
  • Cityscapes：82.1%
  • code：here
• Contributions
  • 论文提出一个全新的Encoder-Decoder框架，使用DeepLabV3作为encoder模块，并添加了一个简单的Decoder部分。
  • 论文将Xception结构应用于分割任务中，在ASPP和Decoder模块中加入了深度分离卷积 （depthwise separable convolution），获得强大又快速的模型

细节

上面的结构是SPP、E-D、E-D with Atrous Conv的结构，很明显就可以看出结构的组成。

methods

上面是DeepLabV3+的一个整体架构图，很明显的一个Encoder-Decoder结构，且在E-D之间又Skip connection的连接。最后进行新的上采样策略。

• Atrous Convolution
  上图是关于几种卷积的介绍，Atrous Conv很好理解了。这个是轻车熟路的。而且在后面会专门从源码去看一下他们的操作。
• Depthwise separable convolution
  其实也很简单，MobileNet也有使用。本来我们对feature map做卷积时，假若feature map为$n\ast n\ast c$大小，那么我们的卷积其实output_c个$k\ast k\ast c<$