以DeepLabv3+架构为基础做图像分割(包含v1, v2, v3介绍)

DeepLab图像分割算分的发展过程

v1:

贡献: 首次把空洞卷积(dilated convolution) 引入图形分割领域

基本内容:

• 基于VGG16
• 将最后两个池化层改为卷积层(控制分辨率不要太小)
• 去掉全连接层(保留最后一个用于softmax分类)
• 后三个卷积改为空洞卷积(保证感受野与去掉池化层前接近)
• 对结果上采样后用CRF细化分割效果
  

空洞卷积(Dilated Convolution)

作用:

• 扩大感受野(pooling也可以增加感受野, 但缺点是空间分辨率也降低了)
• 捕获多尺度上下文信息(通过调节dilation rate)

v2

贡献: 引入带空洞卷积的空间金字塔池化(ASPP)

基本内容:

• 基础网络由VGG16 --> ResNet
• 多尺度空洞卷积并行, 获得更好的分割效果(feature map尺寸不变)
• 采用多项式lr衰减
• 与v1一样, 对结果上采样后用CRF细化分割效果