DeepLab 算法发展历程

DeepLab 是 Google Research 提出的 语义分割（Semantic Segmentation） 系列模型，从 2015 年的 DeepLabv1 到 2018 年的 DeepLabv3+，逐步优化了分割精度、计算效率和边界细节。以下是其核心版本的演进及关键技术：

1. DeepLabv1 (2015)

核心创新：空洞卷积（Atrous Convolution）

• 问题：传统 CNN 通过池化（Pooling）降低分辨率，导致空间信息丢失。

• 解决方案：使用 空洞卷积（Dilated Convolution） 在不减少分辨率的情况下扩大感受野。

• 架构：基于 VGG16，后接 CRF（条件随机场）优化边界。

• 局限：CRF 计算成本高，且仅依赖单一尺度的特征。

贡献：首次将空洞卷积引入语义分割，减少信息损失。

2. DeepLabv2 (2016)

核心创新：ASPP（空洞空间金字塔池化）

• 问题：物体尺寸变化大，单一感受野难以适应不同尺度。

• 解决方案：提出 ASPP（Atrous Spatial Pyramid Pooling），