《Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation》论文笔记

论文地址： https://arxiv.org/pdf/1802.02611.pdf

源码地址： TENSORFLOW

语意分割相关，Deeplab3+

看了几篇Deeplab的文章。觉得Deeplab的文章的思想还是很相近的，可能方法的创新上不是非常重大的突破。但是方法的应用上都是非常的...嗯，集大成的。通过实验的方式去探索各种方法的结合。探究每一个因素对于网络的影响，从而把前人的精髓都集成到自己的方法上，得到更好的结果。

What: 从大的框架上来讲，这是一篇将两个框架PSPnet与Encoder-Decoder结合的一个新模型，如下图。在细节上，它又使用了膨胀卷积控制视野增加过程中分辨率的大小。主干网络的选取上，又使用Xception和ResNet101进行了对比。正如作者总结的，这篇文章的几个贡献如下：

（1）提出了新的编码解码结构，使用Deeplab3做更强的编码结构，使用了一个简单的解码结构。

（2）提出的编码解码结构可以取得一个计算精度与运行时间的权衡（通过牺牲一方换取另一方）。在其他解码编码结构中是没有这个功能的。

（3）将Xception分离卷积用到ASPP与解码结构中，获得更快更健壮的编码解码网络

（4）提供了开放的基于tensorflow的源代码。